Глобальный поиск Единое окно поиска по РИД и запросам

Рутениевые межсоединения для нейроморфных системах на основе оксидных мемристоров с комплементарным переключением

Название НИОКТР Рутениевые межсоединения для нейроморфных системах на основе оксидных мемристоров с комплементарным переключением
Аннотация Для решения многих современных задач анализа и обработки больших массивов данных, например, распознавания речи или изображений, прогнозирования состояния систем, необходимо применение нейросетевых алгоритмов. Реализация этих алгоритмов на вычислительных системах фон-неймановской архитектуры требует высоких временных и энергетических затрат. Применение нейроморфных вычислительных систем с распределенной памятью позволит существенно повысить эффективность нейросетевых алгоритмов. Реализация нейроморфных систем возможна на основе КМОП технологии и такие устройства в формате нейроморфных сопроцессоров уже анонсированы крупными производителями интегральных схем. Однако, такие системы требуют очень большого числа транзисторов. Из-за этого их возможности сильно ограничены, а энергопотребление, по-прежнему, остается исключительно высоким. Разработка искусственных синапсов в виде двухполюсных мемристоров, т.е. демонстрирующих синаптическую пластичность, существенно упростит создание мощных, компактных и эффективных нейроморфных систем. Важным преимуществом нейроморфных систем на мемристорах является их масштабируемость. Теоретически размеры филаментарных мемристоров можно уменьшить до единиц нанометров. Хотя плотность элементов в интегральной схеме в этом случае оказывается очень высокой, применение классической системы межсоединений на основе меди в такой системе невозможно. Необходимо применение новых материалов и технологий. В рамках проекта предлагается исследовать возможность применения рутениевой металлизации в сочетании с последним поколением low-k диэлектриков, а также субтрактивной технологии ее формирования, в кросс-бар и вертикальной архитектурах нейроморфных систем. Применение межсоединений на основе рутения и low-k диэлектриков для интеграции мемристоров предлагается впервые. Разработка стабильных и надежных синаптических компонентов и подходов к их объединению в систему позволила бы решить проблему создания эффективных нейроморфных вычислительных систем и существенно продвинуться в ряде задач, связанных с обработкой больших массивов данных, например, в разработке автономных транспортных средств и вооружений.
Доступ к ОКОГУ исполнителя True
Количество связанных РИД 0
Количество завершенных ИКРБС 0
Сумма бюджета 3000.0
Дата начала 2025-03-27
Дата окончания 2026-12-31
Номер контракта 25-29-00935
Дата контракта 2024-12-26
Количество отчетов 2
УДК 621.38-022.532
Количество просмотров 4
Руководитель работы Рогожин Александр Евгеньевич
Руководитель организации Алексеева Ольга Анатольевна
Исполнитель ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ "НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ЦЕНТР "КУРЧАТОВСКИЙ ИНСТИТУТ"
Заказчик Российский научный фонд
Федеральная программа Отсутствует
Госпрограмма
Основание НИОКТР Грант
Последний статус 2025-12-19 13:18:57 UTC, 2025-12-19 13:18:57 UTC
ОКПД Работы оригинальные научных исследований и экспериментальных разработок в области естественных и технических наук, кроме биотехнологии
Отраслевой сегмент
Минздрав
Межгосударственная целевая программа
Ключевые слова филамент; рутений; межсоединения; атомно-слоевое осаждение; нейроморфная система; мемристор
Соисполнители
Типы НИОКТР Фундаментальное исследование
Приоритетные направления
Критические технологии
Рубрикатор 47.09.48 - Наноматериалы для электроники; 47.13.07 - Технология и оборудование для производства приборов и устройств наноэлектроники
OECD
OESR Нано-материалы [производство и свойства]; Нано-процессы [применение на наноуровне]; (биоматериалы относятся к разделу 2.9)
Приоритеты научно-технического развития а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
Регистрационные номера