Titre :

Plasticity in memristive devices for spiking neural networks

Auteur(s) :

Saïghi, S. [Auteur correspondant]
Laboratoire de l'intégration, du matériau au système [IMS]
Mayr, C.G. [Auteur]
Institute of Neuroinformatics [Zürich] [INI]
Serrano-Gotarredona, T. [Auteur]
Instituto de Microelectrónica de Sevilla [IMSE-CNM]
Schmidt, H. [Auteur]
Chemnitz University of Technology / Technische Universität Chemnitz
Lecerf, G. [Auteur]
Laboratoire de l'intégration, du matériau au système [IMS]
Tomas, J. [Auteur]
Laboratoire de l'intégration, du matériau au système [IMS]
Grollier, J. [Auteur]
Laboratoire Albert Fert (ex-UMPhy Unité mixte de physique CNRS/Thales)
Boyn, S. [Auteur]
Laboratoire Albert Fert (ex-UMPhy Unité mixte de physique CNRS/Thales)
Vincent, A.F. [Auteur]
Institut d'électronique fondamentale [IEF]
Querlioz, D. [Auteur]
Institut d'électronique fondamentale [IEF]
La Barbera, S. [Auteur]
Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 [IEMN]
Alibart, Fabien [Auteur]
Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 [IEMN]
Vuillaume, Dominique [Auteur]
Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 [IEMN]
Bichler, O. [Auteur]
Département d'Architectures, Conception et Logiciels Embarqués-LIST [DACLE-LIST]
Gamrat, C. [Auteur]
Département d'Architectures, Conception et Logiciels Embarqués-LIST [DACLE-LIST]
Linares-Barranco, B. [Auteur]
Instituto de Microelectrónica de Sevilla [IMSE-CNM]

Titre de la revue :

Frontiers in Neuroscience

Pagination :

51

Éditeur :

Frontiers

Date de publication :

2015

ISSN :

1662-4548

Mot(s)-clé(s) en anglais :

short term memory
semiconductor
action potential
controlled study
electric potential
electric resistance
human
learning
learning algorithm
long term memory
memristive device
nanodevice
nerve cell network
nerve cell plasticity
neurotransmitter release
Review
spiking neural network
stochastic model
synapse
torque
waveform
memristor
neuromorphic engineering
plasticity
hardware neural network

Discipline(s) HAL :

Sciences de l'ingénieur [physics]

Résumé en anglais : [en]

Memristive devices present a new device technology allowing for the realization of compact non-volatile memories. Some of them are already in the process of industrialization. Additionally, they exhibit complex multilevel ...
Lire la suite >Memristive devices present a new device technology allowing for the realization of compact non-volatile memories. Some of them are already in the process of industrialization. Additionally, they exhibit complex multilevel and plastic behaviors, which make them good candidates for the implementation of artificial synapses in neuromorphic engineering. However, memristive effects rely on diverse physical mechanisms, and their plastic behaviors differ strongly from one technology to another. Here, we present measurements performed on different memristive devices and the opportunities that they provide. We show that they can be used to implement different learning rules whose properties emerge directly from device physics: real time or accelerated operation, deterministic or stochastic behavior, long term or short term plasticity. We then discuss how such devices might be integrated into a complete architecture. These results highlight that there is no unique way to exploit memristive devices in neuromorphic systems. Understanding and embracing device physics is the key for their optimal use.Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Projet ANR :

Réseau de neurones artificiels à base de memristors et de circuits intégrés
Systèmes cognitifs à base de dispositifs stochastiques de l'électronique de spin
Développement et intégration de composants memristances nanométriques pour la réalisation de systèmes de traitement de l'information neuro-inspirés
Transistor-synapse et circuits pour les architectures neuro-inspirées

Collections :

• Institut d'Électronique, de Microélectronique et de Nanotechnologie (IEMN) - UMR 8520

Source :

Harvested from HAL