[論文レビュー] The Generalized Metastable Switch Memristor Model

Timothy W. Molter, Michael Nugent|arXiv (Cornell University)|Aug 15, 2016

Advanced Memory and Neural Computing参考文献 5被引用数 33

ひとこと要約

本稿では、一般化された準安定スイッチ（MSS）メモリスタモデルを提案する。このモデルは、計算効率が高く、半経験的な枠組みであり、確率的で電圧依存の記憶素子とショットキー・ダイオード電流を組み合わせることで、メモリスタ素子におけるヒステリシスおよび確率的挙動を正確に再現する。モデルは、タングステン-シルバー- chalcogenide メモリスタの実験データを、最小限のフィッティングでさまざまな波形条件下で再現し、神経形状回路設計における高い汎用性と正確性を示している。

ABSTRACT

Memristor device modeling is currently a heavily researched topic and is becoming ever more important as memristor devices make their way into CMOS circuit designs, necessitating accurate and efficient memristor circuit simulations. In this paper, the Generalized Metastable Switch (MSS) memristor model is presented. The Generalized MSS model consists of a voltage-dependent stochastic component and a voltage-dependent exponential diode current component and is designed to be easy to implement, computationally efficient, and amenable to modeling a wide range of different memristor devices.

研究の動機と目的

• 実際のデバイスで観察される確率的挙動を捉えることのできる、計算的に効率的で正確なメモリスタモデルの開発を目的とする。
• 神経形状応用において特に顕著な、決定論的モデルが全範囲のメモリスタダイナミクスを表現できないという限界を是正することを目的とする。
• 記憶依存スイッチングとショットキー・ダイオード効果を統合した、単一で拡張可能なフレームワークを構築することを目的とする。
• SPICE や Verilog などの標準回路シミュレータへの容易な実装を可能とし、CMOS 設計への実用的統合を支援することを目的とする。

提案手法

• 全電流は、記憶依存電流 $I_{\rm m}$ とショットキー・ダイオード電流 $I_{\rm s}$ の重み付き和としてモデル化され、重み $\phi \in [0,1]$ を用いる。
• ショットキー電流 $I_{\rm s}$ は、パラメータ $\alpha_{\rm f}, \beta_{\rm f}, \alpha_{\rm r}, \beta_{\rm r}$ を用いた前向きおよび逆向きの指数関数的項でモデル化される。
• 記憶成分 $I_{\rm m}$ は、$N$ 個の準安定スイッチ（MSS）から構成され、各スイッチは電圧依存確率 $P_{\rm A}$ および $P_{\rm B}$ に従い、高コンダクタンス状態（$G_{\rm A}$）と低コンダクタンス状態（$G_{\rm B}$）を遷移する。
• 遷移確率は、$V_{\rm T}$（熱的電圧）および時間ステップ $\Delta t$ に依存するロジスティック関数 $\Gamma(V, V_{\rm A})$ を用いて、0 から 1 の範囲に収まるように保証される。
• スイッチの状態遷移数は、二項分布の正規近似からサンプリングされ、平均 $\mu = np$ および分散 $\sigma^2 = np(1-p)$ を持つ。
• 全コンダクタンス $G_{\rm m}$ は各時間ステップで $\Delta G_{\rm m} = \Delta N_{\rm A} G_{\rm A} - \Delta N_{\rm B} G_{\rm B}$ を用いて更新され、$I_{\rm m} = V(G_{\rm m} + \Delta G_{\rm m})$ となる。

実験結果

リサーチクエスチョン

• RQ1 確率的で半経験的なメモリスタモデルは、実際のメモリスタ素子のヒステリシスおよび確率的挙動を正確に再現できるか？
• RQ2 準安定スイッチ数（$N$）を変化させることで、モデル出力の確率的性質にどのような影響が生じるか？
• RQ3 ショットキー・ダイオード電流成分（$I_{\rm s}$）を組み込むことで、実験データへのフィット精度がどの程度向上するか？
• RQ4 このモデルは、SPICE や Verilog などの標準回路シミュレーション環境で効率的に実装可能か？

主な発見

• モデルは、$N=1000$ および $\phi=1$ の条件下で、500 Hz の正弦波励起下におけるタングステン-シルバー- chalcogenide メモリスタの実験的ヒステリシスデータを良好にフィットした。
• N を 1000 から 10 に減少させることで、確率的性質が増大し、デバイスレベルのノイズおよびばらつきをモデルが正しく捉えられることを示した。
• $\phi = 0.45$、$\alpha = 0.00005$、$\beta = 6$ の調整により、ショットキー・ダイオード電流応答を追加可能となり、金属-半導体接合を持つデバイスの現実性が向上した。
• モデルは、三角波、パルス、双方向電圧入力、並列接続デバイスなど、多様な波形を正確にシミュレートできた。
• 二項分布の遷移の正規近似を用いることで、計算効率を維持しながら統計的整合性を保持できた。
• モデルは拡張可能であり、SPICE や Verilog への移植が容易であり、神経形状および CMOS 回路設計ワークフローへの統合を支援する。