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 —