Исследование стабильности гибридной МОП-мемристорной памяти с использованием модифицированного метода оптимизации роя частиц

Введение. Рассматривается проблема оценки стабильности наноэлектронных структур, включающих гибридную транзисторно-мемристорную энергонезависимую память. Результаты исследования процессов в наноэлектронных структурах с использованием мемристоров показали, что дополнительно к обычному дрейфу параметров, свойственному полупроводниковым приборам, в данных структурах возникают новые уникальные эффекты. Такие эффекты приводят к неопределенности в оценке состояния ячеек мемристорной памяти. Исследование подобных эффектов находится в начальном состоянии, в том числе из-за отсутствия моделей, позволяющих в полном объеме исследовать изменчивость параметров и дрейф состояний мемристоров. В связи с этим предлагается использовать метаэвристический метод роя частиц, позволяющий оценивать устойчивость гибридной транзисторно-мемристорной памяти.

Методы. В работе используются методы топологического и параметрического анализов наноэлектронных структур с мемристорами, метод интервального анализа подобных структур, метод оптимизации роя частиц для решения интервальных алгебраических и дифференциальных уравнений.

Основные результаты. Предложена структурно-параметрическая модель гибридного устройства памяти на основе мемристоров с учетом конечных приращений их параметров, вызванных воздействием внешних и внутренних факторов. Разработан алгоритм оценки параметров гибридного запоминающего устройства с мемристорами на основе модифицированного метода оптимизации роя частиц.

Обсуждение. Интервальные математические модели служат основой для разработки новых принципов организации сверхплотной энергонезависимой памяти и создают предпосылки для новых подходов к организации вычислений в памяти. Вычислительный алгоритм, основанный на методе оптимизации роя частиц, позволяет оценить работоспособность гибридных металл-оксид-полупроводниковых структур (МОП-структур) с мемристорами в реальных условиях эксплуатации. В результате выполненной оценки появляется возможность расширить область применения устройств, использующих квантовые эффекты, в различных технических приложениях.

1. Ziegler T., Brackmann L., Hennen T., Bengel C., Menzel S., Wouters D.J. Eliminating capacitive sneak paths in associative capacitive networks based on complementary resistive switches for in-memory computing // Proc. of the 2023 IEEE International Memory Workshop (IMW). 2023. P. 1–4. https://doi.org/10.1109/IMW56887.2023.10145947

2. Mannocci P., Baroni A., Melacarne E., Zambelli C., Olivo P., Perez E., Wenger C., Ielmini D. In-memory principal component analysis by crosspoint array of resistive switching memory: A new hardware approach for energy-efficient data analysis in edge computing // IEEE Nanotechnology Magazine. 2022. V. 16. N 2. P. 4–13. https://doi.org/10.1109/MNANO.2022.3141515

3. Shalini, Singh K. Power and area efficient hybrid memristor-CMOS based 2’s complement fsm for high-performance computing system // Proc. of the 2023 International Conference on Artificial Intelligence and Smart Communication (AISC). 2023. P. 170–174. https://doi.org/10.1109/AISC56616.2023.10085331

4. Nawaria M., Kumar S., Gautam M.K., Dhakad N.S., Singh R., Singhal S., Kumar P., Vishvakarma S.K., Mukherjee S. Memristorinspired digital logic circuits and comparison with 90-/180-nm CMOS technologies // IEEE Transactions on Electron Devices. 2024. V. 71. N 1. P. 301–307. https://doi.org/10.1109/TED.2023.3278625

5. Masoumi M. Novel hybrid CMOS/memristor implementation of the AES algorithm robust against differential power analysis attack // IEEE Transactions on Circuits and Systems II: Express Briefs. 2020. V. 67. N 7. P. 1314–1318. https://doi.org/10.1109/TCSII.2019.2932337

6. Radhakrishnan A., Babu S., James A. Python based memristor model library for variability analysis // Proc. of the 2023 IEEE International Symposium on Circuits and Systems (ISCAS). 2023. P. 1–5. https://doi.org/10.1109/ISCAS46773.2023.10181939

7. Kumar R., Chordia A., Aswani A., James A., Tripathi J.N. Uncertainty quantification of memristor crossbar array for vector matrix multiplication // Proc. of the 2021 IEEE 25th Workshop on Signal and Power Integrity (SPI). 2021. P. 1–4. https://doi.org/10.1109/SPI52361.2021.9505193

8. Khan R.A., Yang S., Fahad S., Khan S.U., Kalimullah. A modified particle swarm optimization with a smart particle for inverse problems in electromagnetic devices // IEEE Access. 2021. V. 9. P. 99932– 99943. https://doi.org/10.1109/ACCESS.2021.3095403

9. Swari M.H.P., Handika P.S., Satwika K.S., Wahani H.E. Optimization of single exponential smoothing using particle swarm optimization and modified particle swarm optimization in sales forecast // Proc. of the 2022 IEEE 8th Information Technology International Seminar (ITIS). 2022. P. 292–296. https://doi.org/10.1109/ITIS57155.2022.10010034

10. Zhao Q., Li C. Two-stage multi-swarm particle swarm optimizer for unconstrained and constrained global optimization // IEEE Access. 2020. V. 8. P. 124905–124927. https://doi.org/10.1109/ACCESS.2020.3007743

11. Cui Y., Long Z. Load balancing scheduling algorithm based on improved particle swarm optimization // Proc. of the 2021 IEEE International Conference on Artificial Intelligence and Computer Applications (ICAICA). 2021. P. 1044–1047. https://doi.org/10.1109/ICAICA52286.2021.9498058

12. Zhuo L., Cheng Z., Wang Y., Liu L. Design of vehicle trajectory optimization based on multiple-shooting method and modified particle swarm optimization // Proc. of the 2018 37th Chinese Control Conference (CCC). 2018. P. 4649–4654. https://doi.org/10.23919/ChiCC.2018.8483741

13. Mladenov V. Analysis and simulations of hybrid memory scheme based on memristors // Electronics. 2018. V. 7. N 11. P. 289. https://doi.org/10.3390/electronics7110289

14. Bondarev A.V., Efanov V.N. Features of the development of a mathematical model of an electric multipole with memresistive branches for nanoelectronic components of quantum computing systems // IOP Conference Series: Materials Science and Engineering. 2020. V. 976. N 1. P. 012010. https://doi.org/10.1088/1757-899X/976/1/012010

15. Bondarev A.V., Efanov V.N. Investigation of the robustness of nanoelectronic structures based on resonant tunneling elements // Russian Microelectronics. 2022. V. 51. N 7. P. 552–561. https://doi. org/https://doi.org/10.1134/S1063739722070022

16. Moore R.E. A survey of interval methods for differential equations // Proc. of the 23rd IEEE Conference on Decision and Control. 1984. P. 1529–1535. https://doi.org/10.1109/CDC.1984.272338