Аппаратная аналоговая реализация искусственных нейронных сетей (ИНС) на базе мемристивных устройств позволяет увеличить их скорость работы и снизить энергопотребление по сравнению с традиционной программной реализацией на базе цифровой электроники. В ИНС мемристивные устройства используются для энергонезависимого хранения весов синапсов нейронов в виде сопротивлений и могут быть использованы для обработки естественного языка, распознавания объектов, принятия решений и других практических применений и т. д. В подтверждение этому можно привести пример, разработанного совместно США и Китаем в 2022 году 48 ядерного нейрочипа на базе мемристоров для аналоговой реализации сверточных нейронных сетей, который потребляет в 100 раз меньше энергии чем графические процессоры.

Однако мемристоры имеют один основной достаток связанный с невозможностью задать с абсолютной точностью нужное значение сопротивления. Это приводит к возникновению погрешностей при задании весов ИНС и соответственно к погрешности точности работы ИНС на базе мемристоров, что является значительной проблемой. Решить данную проблему можно за счет предварительного моделирования погрешностей для оценки точности работы нейронной сети.

Недостатком существующих моделей является то, что они описывают идеальный мемристор, при этом в настоящее время еще не существует единой технологии создания мемристоров. Поэтому разными научными коллективами они изготавливаются из различных материалов и структур, из-за чего они получаются достаточно разными. В связи с этим, вместо использования мало адекватных аналитических моделей мемристоров, предлагается проводить идентификацию конкретных типов мемристоров, пользуясь экспериментальными данными. Идентификация в данном случае будет заключаться в создании вероятностных моделей на основе заранее спланированного эксперимента для конкретного типа мемристоров.

Данный программно-аппаратный комплекс позволит подключать к нему мемристивные устройства для выполнения процесса идентификации. В результате процесса идентификации получается вероятностная модель, которая в дальнейшем может быть использована для имитационного моделирования ИНС на базе мемристоров.

На страницу проекта