MemrisTec
Yongmin Wang, Kristoffer Schnieders, Vasileios Ntinas, Alon Ascoli, Felix Cüppers, Susanne Hoffmann-Eifert
IEEE Transactions on Nanotechnology ( Volume: 24), 24 February 2025
Amir Khan, Vasileios Ntinas, Jorge Fernandez-Berni, Ricardo Carmona-Galan, Ronald Tetzlafft
31st IEEE International Conference on Electronics, Circuits and Systems (ICECS), 18-20 November 2024
Nicolas Schmitt, Ioannis Messaris, Ahmet Samil Demirkol, Vasileios Ntinas, Dimitris Prousalis, Ronald Tetzlaff
2024 IEEE International Conference on Metrology for eXtended Reality, Artificial Intelligence and Neural Engineering (MetroXRAINE), 21-23 October 2024
Markus Fritscher, Simranjeet Singh, Tommaso Rizzi, Andrea Baroni, Daniel Reiser, Maen Mallah, David Hartmann, Ankit Bende, Tim Kempen, Max Uhlmann, Gerhard Kahmen, Dietmar Fey, Vikas Rana, Stephan Menzel, Marc Reichenbach, Milos Krstic, Farhad Merchant, Christian Wenger
Sci Rep 14, 23695 (2024), 10 October 2024
Nicolas Schmitt, Alon Ascoli, Ioannis Messaris, Ahmet Samil Demirkol, Stephan Menzel, Vikas Rana, Ronald Tetzlaff, Leon O. Chua
Nicolas Schmitt, Alon Ascoli, Ioannis Messaris, Ahmet Samil Demirkol, Vasileios Ntinas, Dimitris Prousalis, Spyridon Nikolaidis, Ronald Tetzlaff, Stephan Menzel, Vikas Rana
12th International Conference on Modern Circuits and Systems Technologies (MOCAST), 28-30 June 2023
Yongmin Wang; Vasileios Ntinas; Alon Ascoli; Ioannis Messaris; Ronald Tetzlaff; Vikas Rana; Stephan Menzel
6th International Conference on Memristive Materials, Devices & Systems (MEMRISYS 2023), 5-9 November 2023
Vasileios Ntinas; Yongmin Wang; Ioannis Messaris; Vikas Rana; Stephan Menzel; Alon Ascoli; Ronald Tetzlaff
6th International Conference on Memristive Materials, Devices & Systems (MEMRISYS 2023), 5-9 November 2023
Am 30.08.2023 präsentierte das Team von Mem²CNN Projektergebnisse auf den Neuromorphic Computing Days am FZ Jülich.
Vasileios Ntinas; Dharmik Patel; Yongmin Wang; Ioannis Messaris; Vikas Rana; Stephan Menzel; Alon Ascoli; Ronald Tetzlaff
2023 Int. Conf. on Synthesis, Modeling, Analysis and Simulation Methods and Applications to Circuit Design (SMACD), 03-05 July 2023
Ioannis Messaris, Alon Ascoli, Dimitrios Prousalis, Vasileios Ntinas, Ahmet Samil Demirkol, Ronald Tetzlaff
2023 Int. Conf. on Synthesis, Modeling, Analysis and Simulation Methods and Applications to Circuit Design (SMACD), 03-05 July 2023
Nicolas Schmitt; Alon Ascoli; Ioannis Messaris; Ahmet Samil Demirkol; Vasileios Ntinas; Dimitrios Prousalis; Ronald Tetzlaff; Spyridon Nikolaidis; Stephan Menzel; Vikas Rana
2023 12th International Conference on Modern Circuits and Systems Technologies (MOCAST)
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
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
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
Alon Ascoli, 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
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.
