Mem²CNN

Hardwarerealisierung von universellen speicherbasierten memristiven zellularen Rechnerstrukturen

Partner

Vikas_Rana_transparent2

Dr. Vikas Rana

Nr.: RA 3484/1-1

Peter Grünberg-Institut am Forschungszentrum Jülich

Ronald_Tetzlaff_transparent

Prof. Ronald Tetzlaff

Nr.: TE 257/34-1

Prof. Grundlagen der Elektrotechnik u. Elektronik, TU Dresden

Outcome

Performance Analysis of Memristive-CNN based on a VCM Device Model

Yongmin Wang; Alon Ascoli; Ronald Tetzlaff; Vikas Rana; Stephan Menzel

2022 IEEE International Symposium on Circuits and Systems (ISCAS), 27 May 2022 - 01 June 2022, Austin, TX, USA

DOI: 10.1109/ISCAS48785.2022.9937918

Toward Simplified Physics-Based Memristor Modeling of Valence Change Mechanism Devices

Vasileios Ntinas; Alon Ascoli; Ioannis Messaris; Yongmin Wang; Vikas Rana; Stephan Menzel; Ronald Tetzlaff

IEEE Transactions on Circuits and Systems II: Express Briefs (Volume: 69, Issue: 5), 17 March 2022

DOI: 10.1109/TCSII.2022.3160304

A Deep Study of Resistance Switching Phenomena in TaOx ReRAM Cells: System-Theoretic Dynamic Route Map Analysis and Experimental Verification

Alon Ascoli, Stephan Menzel, Vikas Rana, Tim Kempen, Ioannis Messaris, Ahmet Samil Demirkol, Michael Schulten, Anne Siemon, Ronald Tetzlaff

Advanced Electronic Materials, 11 August 2022

DOI: 10.1002/aelm.202200182

System Theory Enables a Deep Exploration of ReRAM Cells' Switching Phenomena

Ronald Tetzlaff; Vikas Rana; Stephan Menzel

2021 28th IEEE International Conference on Electronics, Circuits, and Systems (ICECS), 28 November 2021 - 01 December 2021, Dubai, United Arab Emirates

DOI: 10.1109/ICECS53924.2021.9665611

Projektbeschreibung

In der heutigen von-Neumann-Rechnerarchitektur ist das zentrale Rechenwerk physikalisch von dem Arbeitsspeicher getrennt und die Kommunikation zwischen beiden Komponenten läuft über einen Datenbus finiter Bandbreite. Dieser sogenannte von-Neumann-Flaschenhals stellt einen limitierenden Faktor für neuartige Anwendungen da, die auf der Verarbeitung großer Datenmengen beruhen. Insbesondere im Zeitalter des Internet der Dinge und von „Big Data“ Anwendungen ist ein hoher Datentransfer erwünscht. Daher ist die Forschungsgemeinschaft auf der Suche nach neuartigen Rechnerkonzepten, in denen Rechenwerk und Speicher zusammengebracht werden.

Zelluläre nichtlinear Netzwerke (CNN) stellen ein solches Rechnerkonzept dar. Ein einzelne CNN Zelle besteht aus einer Kapazität, einem Widerstand, und einer variablen Anzahl spannungsgesteuerter Stromquellen. Die CNN Zellen sind in einer zwei- oder dreidimensionalen Matrix angeordnet, in der nur benachbarte Zellen miteinander verkoppelt sind. Durch die Art/Stärke der Verkopplung (bzw. Selbstkopplung) können eine Vielzahl unterschiedlicher Rechenaufgaben gelöst werden. 1993 hat T. Roska vorschlagen zu diesen CNN lokale Speicherelemente hinzufügen um eine Universelle Maschine (UM) zu bauen. Dieses Konzept stellt den ersten Rechner dar, der kein von-Neumann-Rechner ist.

Durch die Kombination von CNN Zellen und Fotodetektoren konnten hocheffiziente visuelle Mikroprozessoren in der Vergangenheit realisiert werden. Die lokalen Speichereinheiten in diesen CNN Zellen sind heutzutage jedoch sehr groß, wodurch die laterale Auflösung der visuellen Mikroprozessoren relative gering ist. Zur Lösung dieses Problems werden daher hochskalierbare, nichtflüchtige Speicherbauelemente benötigt. Memristive Speicherbauelemente basierend auf Redox-Mechanismen zeigen solche Eigenschaften und sind daher der ideale Kandidat um die Leistungsbeschränkung von heutigen CNN-UM aufzulösen. Bisher wurden memristive CNN-UM nur theoretisch bzw. auf Simulationsebene analysiert, nicht aber experimentell verifiziert.

In dem vorgeschlagenen Projekt Mem²CNN soll die Umsetzbarkeit von memristiven CNN-UM (MCNN-UM) untersucht werden. Dazu werden die Kompetenzen des Partners aus Dresden (TUD) im Bereich der Theorie von Memristoren und MCNN-UM und der Expertise des Partners aus Jülich (FZJ) im Bereich der Herstellung und der physikalischen Modellierung memristiver Bauelemente gebündelt. Die physikalischen Modelle memristiver Bauelemente des FZJ werden in dem Projekt in einen systemtheoretischen Ansatz überführt, um die MCNN-UM auf Systemebene zu analysieren. Weiterhin sollen einzelnen MCNN Zellen sowie kleine Netzwerke bestehend aus bis zu 6×6 Zellen hardwaretechnisch realisiert werden. Mit diesen MCNN-UM sollen verschiedene Rechenaufgabe wie zum Beispiel die Kantendetektion in Bilder demonstriert werden. Auf Basis der systemtheoretischen Modelle soll in diesem Projekt, die Skalierbarkeit, das Potential und der universelle Ansatz von MCNN-UM gezeigt werden.

Projektmitarbeitende

Alon_Ascoli-transparent

Dr. Alon Ascoli

Prof. f. Grundlagen der Elektrotechnik u. Elektronik, TU Dresden

Vasileios_Ntinas_transparent

Dr. Vasileios Ntinas

Prof. f. Grundlagen der Elektrotechnik u. Elektronik, TU Dresden

Yongmin_Wang_transparent

Yongmin Wang

Peter Grünberg-Institut am Forschungszentrum Jülich