Ein Crossbar-Array, das eine Matrix-Vektor-Multiplikation (MVM) basierend auf dem Ohm’schen Gesetz realisiert, stellt den zentralen Baustein nicht-konventioneller Computing-in-Memory (CIM)-Architekturen dar, wie beispielsweise bei künstlichen neuronalen Netzwerken (ANNs). Da in solchen Strukturen eine MVM analog durchgeführt wird, ist der Einsatz nichtflüchtiger Memristoren bedeutsam, deren memkapazitive Eigenschaften auch zur Informationsverarbeitung herangezogen werden können.

In diesem Projekt soll eine gemeinsame Nutzung der für CIM-Architekturen attraktiven memristiven und memkapazitiven Effekte erfolgen. Dabei stehen Al2O3 / Nb2O3 basierte, aus zwei Schichten aufgebaute Strukturen im Vordergrund der Untersuchungen, die kürzlich bei der NaMLab gGmbH entwickelt wurden und in Verbindung mit NFET-Transistoren eingesetzt werden können, die beim Institut für Halbleiter- und Mikrosystemtechnik der TU Dresden implementiert wurden. Basierend auf derartigen Bauelementen soll in diesem Forschungsvorhaben eine komplette Entwurfsmethodik für die Implementierung nicht-konventioneller Rechnersysteme auf einer memristiven/memkapazitiven Struktur entwickelt werden. Dabei soll eine hybride Memristor/Memcapacitor-CMOS-Architektur zugrunde gelegt werden, die hauptsächlich aus MVM-Kernen aufgebaut ist.

In Hinblick auf diese Zielstellung sollen die vorgeschlagenen Forschungsarbeiten mehrere wesentliche Aspekte umfassen: (i) Herstellung von CIM-Zellen, die memristive/memkapazitive Bauelemente mit NFETs integrieren, (ii) deren Modellierung anhand von Experimenten verbunden mit einer theoretischen Erfassung von Bauelementeigenschaften, (iii) der Modellierung auf Systemebene, einer sorgfältigen Analyse, sowie dem Design und Simulation der MVM-Kern-basierten ANNs, (iv) der Herleitung von Optimierungsalgorithmen unter Berücksichtigung realisierungsbedingter Eigenschaften implementierter Strukturen, (v) den Aufbau effizienter Befehlssätze und den Entwurf von Peripherieschaltungen und schließlich (vi) eine optimierte Abbildung von Memcomputing-Aufgaben auf ANN-Strukturen.

Mit dieser Vorgehensweise soll eine Anwendbarkeit des vorgeschlagenen Konzepts zur Realisierung unkonventioneller Strukturen, dazu zählen multi-layer perceptrons (MLP), convolutional neural networks (CoNN) und recurrent neural networks (ReNN), erfasst werden- Schließlich soll in diesem Forschungsvorhaben noch eine mögliche schaltungstechnische Realisierung von Quadratic-Integrate-and-Fire (QIF) Neuronenmodellen untersucht werden, mit dem Ziel, die Reichhaltigkeit biomimetischer Phänomene aufzuzeigen, die eine derartige Anordnung vernetzter künstlicher Strukturen generieren kann.