Electro-grafted Organic Memristors as Synapses: Spike Timing-Dependent Plasticity and Supervised Function Learning

Autor: Lin, Yu-Pu, Bennett, Christopher H., Vodenicarevic, Damir, Chabi, Djaafar, Querlioz, Damian, Cabaret, Théo, Balan, Adrian, Jousselme, Bruno, Gamrat, Christian, Klein, Jacques-Olivier, Derycke, Vincent
Přispěvatelé: Laboratoire Innovation en Chimie des Surfaces et NanoSciences (LICSEN UMR 3685), Nanosciences et Innovation pour les Matériaux, la Biomédecine et l'Energie (ex SIS2M) (NIMBE UMR 3685), Institut Rayonnement Matière de Saclay (IRAMIS), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Institut Rayonnement Matière de Saclay (IRAMIS), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS), Centre de Nanosciences et Nanotechnologies (C2N (UMR_9001)), Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS), Laboratoire Calculateurs Embarqués et Image (LCEI), Laboratoire d'Intégration des Systèmes et des Technologies (LIST (CEA)), Direction de Recherche Technologique (CEA) (DRT (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Direction de Recherche Technologique (CEA) (DRT (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Laboratoire Innovation en Chimie des Surfaces et NanoSciences (LICSEN), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Institut de Chimie du CNRS (INC)-Institut Rayonnement Matière de Saclay (IRAMIS), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Centre National de la Recherche Scientifique (CNRS)-Institut de Chimie du CNRS (INC), Laboratoire d'Intégration des Systèmes et des Technologies (LIST)
Jazyk: angličtina
Rok vydání: 2016
Předmět:
Zdroj: E-MRS 2016 Spring Meeting
E-MRS 2016 Spring Meeting, May 2016, Lille, France
Popis: International audience; Neuromorphic computing is an efficient way to handle complex tasks such as image recognition andclassification. Hardware implementation of an artificial neural network (ANN) requires arrays of scalablememory elements to act as artificial synapses. Memristors, which are two-terminal analog memory devices,are excellent candidates for this application as their tunable resistance could be used to code and storesynaptic weights. We studied metal-organic-metal memristors in which the organic layer is a dense androbust electro-grafted thin film of redox complexes. The process allows fabricating planar and verticaljunctions, as well as small crossbar arrays. The unipolar devices display non-volatile multi-levelconductivity states with high Rmax/Rmin ratio and two thresholds. We characterized in depth thecharacteristics of individual memristors with respect to the targeted synaptic function. We notably showedthat they possess the Spike Timing-Dependent Plasticity (STDP) property (their conductivity evolves as afunction of the time-delay between incoming pulses at both terminals), which is critical for futureapplications in neuromorphic circuits based on unsupervised learning. In parallel, we implemented memristors as synapses in a simple prototype: a mixed circuit with the neuron implemented withconventional electronics. This ANN is able to learn linearly separable 3-input logic functions through aniterative supervised learning algorithm inspired by the Widrow-Hoff rule.
Databáze: OpenAIRE
Externí odkaz: