Поиск начального приближения для задачи экстракции параметров модели мемристора с помощью методов машинного обучения
https://doi.org/10.17073/1609-3577-2021-2-97-101
Аннотация
В работе рассмотрено решение задачи экстракции параметров модели мемристора из экспериментально полученных вольт-амперных характеристик. Ставится проблема поиска начального приближения для данной задачи на основе анализа внешнего вида вольт-амперных характеристик средствами машинного обучения.
Об авторах
Е. С. Шамин
Московский физико-технический институт (национальный исследовательский университет);
АО «НИИ молекулярной электроники»
Россия
Россия
Институтский пер., д. 9, Долгопрудный, Московская обл., 141707;
ул. Акад. Валиева, д. 6, стр. 1, Москва, Зеленоград, 124460
Шамин Евгений Сергеевич — научный сотрудник (1), аспирант (2)
Д. А. Жевненко
Московский физико-технический институт (национальный исследовательский университет);
АО «НИИ молекулярной электроники»
Россия
Россия
Институтский пер., д. 9, Долгопрудный, Московская обл., 141707;
ул. Акад. Валиева, д. 6, стр. 1, Москва, Зеленоград, 124460
Жевненко Дмитрий Алексеевич
Ф. П. Мещанинов
Московский физико-технический институт (национальный исследовательский университет);
АО «НИИ молекулярной электроники»
Россия
Россия
Институтский пер., д. 9, Долгопрудный, Московская обл., 141707;
ул. Акад. Валиева, д. 6, стр. 1, Москва, Зеленоград, 124460
Мещанинов Федор Павлович
В. С. Кожевников
Московский физико-технический институт (национальный исследовательский университет);
АО «НИИ молекулярной электроники»
Россия
Россия
Институтский пер., д. 9, Долгопрудный, Московская обл., 141707;
ул. Акад. Валиева, д. 6, стр. 1, Москва, Зеленоград, 124460
Кожевников Владислав Сергеевич
Е. С. Горнев
Московский физико-технический институт (национальный исследовательский университет);
АО «НИИ молекулярной электроники»
Россия
Россия
Институтский пер., д. 9, Долгопрудный, Московская обл., 141707;
ул. Акад. Валиева, д. 6, стр. 1, Москва, Зеленоград, 124460
Горнев Евгений Сергеевич — чл.-корр. РАН, доктор техн. наук, профессор (1), зам. руководителя приоритетного технологического направления — начальник управления РПТН (2)
Список литературы
1. Strukov D.B., Snider G.S., Stewart D.R., Williams R.S. The missing memristor found. Nature. 2008; 453(7191): 80—83. https://doi.org/10.1038/nature06932
2. Pershin Yu.V., Di Ventra M. On the validity of memristor modeling in the neural network literature. Neural Networks. 2020; 121: 52—56. https://doi.org/10.1016/j.neunet.2019.08.026
3. Кожевников В.С., Горнев Е.С., Мещанинов Ф.П., Жевненко Д.А. Анализ методов математического моделирования мемристоров. Международный форум «Микроэлектроника-2019». 5-я Международная научная конференция «Электронная компонентная база и микроэлектронные модули»: Сб. тезисов. Алушта, 30 сентября — 5 октябр 2019 года. М.: Техносфера; 2019. С. 556—568. https://elibrary.ru/pnbmnh
4. Chawa A.M.M., Picos P. A simple quasi-static compact model of bipolar ReRAM memristive devices. IEEE Transactions on Circuits and Systems II: Express Briefs. 2020; 67(2): 390—394. https://doi.org/10.1109/TCSII.2019.2915825
5. Garcia A.A., Reyes L.O. Analysis and parameter extraction of memristive structures based on Strukov’s non-linear model. Journal of Semiconductors. 2018; 39(12): 124009. https://doi.org/10.1088/1674-4926/39/12/124009
6. Yakopcic C., Taha T., Subramanyam G., Pino R., Rogers S. A memristor device model. IEEE Electron Device Letters. 2011; 32(10): 1436—1438. https://doi.org/10.1109/LED.2011.2163292
Рецензия
Для цитирования:
Шамин Е.С., Жевненко Д.А., Мещанинов Ф.П., Кожевников В.С., Горнев Е.С. Поиск начального приближения для задачи экстракции параметров модели мемристора с помощью методов машинного обучения. Известия высших учебных заведений. Материалы электронной техники. 2021;24(2):97-101. https://doi.org/10.17073/1609-3577-2021-2-97-101
For citation:
Shamin E.S., Zhevnenko D.A., Meshchaninov F.P., Kozhevnikov V.S., Gornev E.S. Determination of the initial guess for the problem of memristor model parameters extraction using machine learning algorithms. Izvestiya Vysshikh Uchebnykh Zavedenii. Materialy Elektronnoi Tekhniki = Materials of Electronics Engineering. 2021;24(2):97-101. (In Russ.) https://doi.org/10.17073/1609-3577-2021-2-97-101
Просмотров:
470
Послать статью по эл. почте 