Logik und Speicher auf der Basis von memristiven Schaltungen

Vor der Gründung des PGI-10 untersuchten die JARA-FIT-Aktivitäten im Bereich Green-IT das Potenzial von memristiven Bauelementen und memristiven Crossbar-Arrays für speicherintensive Rechenparadigmen. Die Nicht-Volatilität der Bauelemente ermöglicht Logik-in-Speicher-Operationen [1]. Die logischen Operationen werden direkt im Speicher verarbeitet und arithmetische Aufgaben, z. B. Additionen, werden innerhalb des Arrays ausgeführt [2]. Durch die Verwischung der Grenzen zwischen Speicher und arithmetischen Logikeinheiten kann der von-Neumann-Bottleneck beseitigt werden.

Die Realisierung minimaler und maximaler Gatterfunktionen durch resistive RAM-Bausteine kann in Zukunft die Implementierung von memristiven Fuzzy-Logikgattern ermöglichen. Mit hochzuverlässigen (106 Zyklen) und mehrstufigen Pt/W/Ta2O5/Pt-Resistiv-RAM-Bauelementen wird eine modulare 3-Bit-Arithmetikoperation durchgeführt. Dadurch wird die Komplexität der Berechnungen verringert, da die Anzahl der benötigten Ziffern für ein Zahlensystem mit hoher Radix sinkt. So können die Anzahl der Rechenoperationen bei einer Addition und die Anzahl der Logikbausteine direkt reduziert werden. Darüber hinaus ermöglichen diese Bauelemente in Crossbar-Arrays die Implementierung von multiparallelen Suchalgorithmen für Mustererkennungsaufgaben, die für neuromorphe Anwendungen häufig benötigt werden, auf sehr effiziente Weise.

Eine weitere Anwendung von resistiven Schaltzellen ist ihr Einsatz in assoziativen kapazitiven Netzwerken (ACN). Ein ACN ist als inhaltsadressierbarer Speicher in der Lage, die Hamming-Distanz zwischen gesuchten und gespeicherten Mustern zu ermitteln. Ein solches ACN kann durch eine Architektur implementiert werden, die aus einem Nanocrossbar-Array von komplementären resistiven Schaltvorrichtungen (CRS) besteht und das zerstörungsfreie kapazitive Auslesen der CRS-Vorrichtung nutzt [4]. Im Vergleich zu konventionellen CAMs kommt das vollständig passive Netzwerk ohne MOSFETs aus, was zu einer erheblichen Flächen- und Energieeffizienz führt. Eine technische Realisierung eines solchen ACN wurde mit Hilfe vorprogrammierter Testarrays demonstriert [5].


Referenzen:

[1]     A. Siemon, T. Breuer, N. Aslam, S. Ferch, W. Kim, J. van den Hurk, V. Rana, S. Hoffmann-Eifert, R. Waser, S. Menzel, E. Linn, Realization of Boolean Logic Functionality using Redox-based Memristive Devices, Advanced Functional Materials, vol. 25, pp. 6414–6423 (2015) doi: 10.1002/adfm.201500865

[2]     T. Breuer, A. Siemon, E. Linn, S. Menzel, R. Waser, V. Rana, A HfO2-Based Complementary Switching Crossbar Adder, Advanced Electronic Materials, vol. 1, pp. 1500138 (2015) doi: 10.1002/aelm.201500138

[3]     T. Breuer, A. Siemon, E. Linn, S. Menzel, R. Waser, V. Rana, (2015) Low-current operations in 4F2-compatible Ta2O5-based complementary resistive switches, Nanotechnology, vol. 26, pp. 415202 (2015) doi: 10.1088/0957-4484/26/41/415202

[4]     O. Kavehei, E. Linn, L. Nielen, S. Tappertzhofen, S. Skafidas, I. Valov, R. Waser, Associative Capacitive Network based on Nanoscale Complementary Resistive Switches for Memory-Intensive Computing, Nanoscale, vol. 5, pp. 5119-5128 (2013) doi: 10.1039/c3nr00535f

[5]     L. Nielen, A. Siemon, S. Tappertzhofen, R. Waser, S. Menzel, E. Linn, Study of Memristive Associative Capacitive Networks for CAM Applications, IEEE Journal on Emerging and Selected Topics in Circuits and Systems, vol. 5, pp. 153-161 (2015) doi: 10.1109/JETCAS.2015.2426491

Letzte Änderung: 29.11.2022