SIMULACION DE REDES NEURONALES UTILIZANDO LAS PROPIEDADES SINAPTICAS DE MEMRISTORES DE MANGANITA

W. QUIÑONEZ; ROMÁN ACEVEDO, WILSON; M. J. SANCHEZ; D. RUBI

Congreso; Encuentro Superficies y Materiales Nanoestructurados 2020/21; 2021

El cómputo neuromórfico pretende emular los mecanismos de procesamiento de la información de los sistemas biológicos. Para ello, se necesitan nuevos dispositivos micro o nano-electrónicos (hardware) que repliquen el comportamiento eléctrico de sinapsis y neuronas. Los memristores ?estructuras metal/óxido aislante/metal capaces de cambiar su resistencia eléctrica entre distintos estados no volátiles- son capaces de reproducir eléctricamente el peso sináptico adaptable ?analógico- de las sinapsis cerebrales. En este trabajo analizamos mediante simulaciones numéricas la implementación de distintos memristores basados en films delgados de manganita ?microestructurados por litografía electrónica y caracterizados por curvas de potenciación y depreciación sináptica medidas experimentalmente- en perceptrones simples para el reconocimiento de caracteres. La simulación de los perceptrones permitió estudiar la dependencia del proceso de convergencia de la red neuronal con distintas características de las curvas de potenciación y depreciación sináptica, como el ancho de la ventana de conductividades posibles, su linealidad y su simetría. Se discuten, adicionalmente, las limitaciones asociadas a la respuesta memristiva de cada sistema en relación al proceso de actualización de pesos sinápticos durante el proceso de aprendizaje de la red.