論文の概要: A Compact Model of Interface-Type Memristors Linking Physical and Device Properties

• arxiv url: http://arxiv.org/abs/2210.01455v1
• Date: Tue, 4 Oct 2022 08:30:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 13:14:24.990609
• Title: A Compact Model of Interface-Type Memristors Linking Physical and Device Properties
• Title（参考訳）: 物理特性とデバイス特性をつなぐインタフェース型memristorのコンパクトモデル
• Authors: T. F. Tiotto, A. S. Goossens, A. E. Dima, C. Yakopcic, T. Banerjee, J. P. Borst, N. A. Taatgen
• Abstract要約: 我々は、インタフェース型メムリスタに関連する輸送方程式を含むことで、広く使われているヤコプシックコンパクトモデルに適応する。 本分析は, デバイスの特性パラメータとモデルとの直接的な相関関係を示す。 この研究の明確な応用の1つは、関連する旋律デバイスの設計と製造を通知する能力である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Memristors are an electronic device whose resistance depends on the voltage history that has been applied to its two terminals. Despite its clear advantage as a computational element, a suitable transport model is lacking for the special class of interface-based memristors. Here, we adapt the widely-used Yakopcic compact model by including transport equations relevant to interface-type memristors. This model is able to reproduce the qualitative behaviour measured upon Nb-doped SrTiO$_3$ memristive devices. Our analysis demonstrates a direct correlation between the devices' characteristic parameters and those of our model. The model can clearly identify the charge transport mechanism in different resistive states thus facilitating evaluation of the relevant parameters pertaining to resistive switching in interface-based memristors. One clear application of our study is its ability to inform the design and fabrication of related memristive devices.
• Abstract（参考訳）: memristorは、抵抗が2つの端子に適用される電圧履歴に依存する電子機器である。 計算要素としての明らかな利点にもかかわらず、インタフェースベースのmemristorの特殊クラスには適切なトランスポートモデルが欠けている。 本稿では,インターフェース型memristorに関連するトランスポート方程式を含むことで,広く使われているyakopcic compactモデルを適用する。 このモデルはNbドープSrTiO$_3$メムリシティブデバイス上で測定された定性的挙動を再現することができる。 本分析は, デバイスの特性パラメータとモデルとの直接的な相関関係を示す。 このモデルは、異なる抵抗状態における電荷輸送機構を明確に識別することができ、インターフェースベースのmemristorの抵抗スイッチングに関連するパラメータの評価を容易にする。 この研究の明確な応用の1つは、関連するmemristiveデバイスの設計と製造を知らせる能力である。

関連論文リスト

• Event-Based Simulation of Stochastic Memristive Devices for Neuromorphic Computing [41.66366715982197]
  イベントベースシステムのシミュレーションに適したメムリスタの一般モデルを構築した。 既存のmemristorの汎用モデルをイベント駆動設定に拡張する。 本稿では,イベントベースモデルのパラメータをドリフトモデルに適合させる手法を示す。
  論文  参考訳（メタデータ） (2024-06-14T13:17:19Z)
• MergeNet: Knowledge Migration across Heterogeneous Models, Tasks, and Modalities [72.68829963458408]
  異種モデルのパラメータ空間のギャップを埋めることを学ぶMergeNetを提案する。 MergeNetの中核となるメカニズムはパラメータアダプタにあり、ソースモデルの低ランクパラメータをクエリすることで動作する。 MergeNetは両方のモデルと共に学習され、我々のフレームワークは、現在のステージに関する知識を動的に転送し、適応することができます。
  論文  参考訳（メタデータ） (2024-04-20T08:34:39Z)
• Jointly Modeling Spatio-Temporal Features of Tactile Signals for Action Classification [50.63919418371698]
  ウェアラブルエレクトロニクスによって収集される触覚信号は、人間の行動のモデリングと理解に不可欠である。 既存の動作分類法では、触覚信号の空間的特徴と時間的特徴を同時に捉えることができない。 S-Temporal Aware Aware Transformer (STAT) を提案する。
  論文  参考訳（メタデータ） (2024-01-21T03:47:57Z)
• Machine Learning-powered Compact Modeling of Stochastic Electronic Devices using Mixture Density Networks [0.0]
  従来の決定論的モデルは、多くの電子部品によって示される微妙だが批判的な変動を捉えようとすると、不足する。 本稿では,機械学習の力を生かして,従来のモデリング手法の限界を超越する革新的な手法を提案する。 本論文は,電子回路の領域における革新を推し進める,正確で汎用的なコンパクトモデルの探求において,重要な一歩を踏み出したものである。
  論文  参考訳（メタデータ） (2023-11-10T01:34:18Z)
• Deep Learning Algorithm for Advanced Level-3 Inverse-Modeling of Silicon-Carbide Power MOSFET Devices [43.99494688206196]
  逆デバイスモデリングは、時間的に劣化したデバイスのドリフト物理パラメータを再構築したり、物理的構成を検索するのに適している。 SiCパワーデバイスのキーとなる応用は自動車分野である。 本研究の目的は、SiC Powerの物理パラメータを取得するためのディープラーニングベースのソリューションを提供することである。
  論文  参考訳（メタデータ） (2023-10-16T08:07:40Z)
• SIM-Trans: Structure Information Modeling Transformer for Fine-grained Visual Categorization [59.732036564862796]
  本稿では,オブジェクト構造情報を変換器に組み込んだSIM-Trans(Structure Information Modeling Transformer)を提案する。 提案した2つのモジュールは軽量化されており、任意のトランスフォーマーネットワークにプラグインでき、エンドツーエンドで容易に訓練できる。 実験と解析により,提案したSIM-Transが細粒度視覚分類ベンチマークの最先端性能を達成することを示した。
  論文  参考訳（メタデータ） (2022-08-31T03:00:07Z)
• Efficient pre-training objectives for Transformers [84.64393460397471]
  本研究はトランスフォーマーモデルにおける高効率事前学習目標について検討する。 マスクトークンの除去と損失時のアウトプット全体の考慮が,パフォーマンス向上に不可欠な選択であることを証明する。
  論文  参考訳（メタデータ） (2021-04-20T00:09:37Z)
• A Driving Behavior Recognition Model with Bi-LSTM and Multi-Scale CNN [59.57221522897815]
  運転行動認識のための軌道情報に基づくニューラルネットワークモデルを提案する。 提案手法を公開BLVDデータセット上で評価し,満足な性能を実現する。
  論文  参考訳（メタデータ） (2021-03-01T06:47:29Z)
• Memory-efficient Speech Recognition on Smart Devices [15.015948023187809]
  リカレントトランスデューサモデルは、スマートデバイス上での音声認識のための有望なソリューションとして登場した。 これらのモデルは、デバイスのバッテリー寿命に悪影響を及ぼす入力時間ステップ毎のオフチップメモリからパラメータにアクセスし、低消費電力デバイスでのユーザビリティを制限する。 トランスデューサモデルのメモリアクセスに関する懸念を、モデルアーキテクチャの最適化と新規なリカレントセル設計により解決します。
  論文  参考訳（メタデータ） (2021-02-23T07:43:45Z)
• A Compact Gated-Synapse Model for Neuromorphic Circuits [77.50840163374757]
  このモデルは、ニューロモルフィック回路のコンピュータ支援設計への統合を容易にするためにVerilog-Aで開発された。 モデルの振る舞い理論は、デフォルトパラメータ設定の完全なリストとともに詳細に記述されている。
  論文  参考訳（メタデータ） (2020-06-29T18:22:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。