東華大學圖書館 |

Language: English

Help

回圖書館首頁

手機版館藏查詢

Back

Switch To: Labeled | MARC Mode | ISBD

Memristive Ag2s Synapses: Towards Ar...

Dias, Catarina,

Linked to FindBook

Google Book

Amazon

博客來

Memristive Ag2s Synapses: Towards Artificial Neural Networks /

Record Type:	Electronic resources : Monograph/item
Title/Author:	Memristive Ag2s Synapses: Towards Artificial Neural Networks // Catarina Dias.
Author:	Dias, Catarina,
Description:	1 electronic resource (102 pages)
Notes:	Source: Masters Abstracts International, Volume: 85-07.
Contained By:	Masters Abstracts International85-07.
Subject:	Neurons. -
Online resource:	https://pqdd.sinica.edu.tw/twdaoapp/servlet/advanced?query=30791598
ISBN:	9798381243062

Memristive Ag2s Synapses: Towards Artificial Neural Networks /
Dias, Catarina,

Memristive Ag2s Synapses: Towards Artificial Neural Networks /Catarina Dias. - 1 electronic resource (102 pages)

Source: Masters Abstracts International, Volume: 85-07.

As capacidades de processamento dos computadores actuais estao a tornar-se numa limitacao na resposta as necessidades tecnologicas modernas. Assim, abordagens em alternativa a arquitectura computacional de von Neumann sao imperativas, sendo o funcionamento e estrutura do cerebro modelos verdadeiramente apelativos. Os memristors sao caracterizados por uma relacao nao linear entre o historico de corrente e a tensao e foi demonstrado que apresentam propriedades semelhantes as das sinapses biologicas. Aqui discutimos o uso de dispositivos memresistivos baseados em estruturas metal-isolador-metal em redes neuronais capazes de simular as capacidades de aprendizagem e de adaptacao existentes nos cerebros humanos.A primeira parte deste trabalho (Capitulo 3) passou pela fabricacao das amostras atraves de diversos metodos (deposicao por feixe ionico, annealing termico, eletrodeposicao e submersao em solucoes) no sentido de optimizar os processos e escolher o mais apropriado. Fomos capazes de controlar a estequiometria do Ag2S e de caracterizar as amostras usando tecnicas como difraccao por raio-X (XRD), espectroscopia de Raman, espectroscopia de infravermelhos (FTIR), espectroscopia de energia dispersiva (EDS) e espectroscopia por varrimento electroes (SEM), todas descritas no Capitulo 2, bem como efectuar medidas de resistividade electrica.Medidas de transporte electrico foram realizadas nas amostras obtidas (Capitulo 4). O comportameno esperado de mudanca de resistencia associado ao sistema modelo de Ag2S foi obtido e diferentes comportamentos de mudanca de resistencia foram observados nos dispositivos: curvas memresistivas do tipo I e II, comportamentos bipolar e unipolar, para os quais tanto o processo de escrever e como o de apagar foram observados para tensoes negativas ou positivas em diferentes ciclos, e mudanca resistiva complementar. Alem disso, a dependencia da resistencia electrica no tempo foi estudada, estudos estatisticos foram realizados e ainda foram observadas modicacoes dependentes da actividade. Estes efeitos foram atribuidos a formacao de um lamento metalico no interior da camada dielectrica devido a electromigracao.

English

ISBN: 9798381243062Subjects--Topical Terms:

588699
Neurons.

Memristive Ag2s Synapses: Towards Artificial Neural Networks /
LDR:05478nmm a22004333i 4500 001 2437058
005 20251119142631.5
006 m o d
007 cr|nu||||||||
008 261011s2013 miu||||||m |||||||eng d
020 $a 9798381243062
035 $a (MiAaPQD)AAI30791598
035 $a (MiAaPQD)Portugal1021669087
035 $a AAI30791598
040 $a MiAaPQD $b eng $c MiAaPQD $e rda
100 1 $a Dias, Catarina, $e author. $3 3827933
245 1 0 $a Memristive Ag2s Synapses: Towards Artificial Neural Networks / $c Catarina Dias.
264 1 $a Ann Arbor : $b ProQuest Dissertations & Theses, $c 2013
300 $a 1 electronic resource (102 pages)
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
500 $a Source: Masters Abstracts International, Volume: 85-07.
500 $a Advisors: Ventura, Joao Oliveira; Araujo, Joao Pedro.
502 $b M.Eng. $c Universidade do Porto (Portugal) $d 2013.
520 $a As capacidades de processamento dos computadores actuais estao a tornar-se numa limitacao na resposta as necessidades tecnologicas modernas. Assim, abordagens em alternativa a arquitectura computacional de von Neumann sao imperativas, sendo o funcionamento e estrutura do cerebro modelos verdadeiramente apelativos. Os memristors sao caracterizados por uma relacao nao linear entre o historico de corrente e a tensao e foi demonstrado que apresentam propriedades semelhantes as das sinapses biologicas. Aqui discutimos o uso de dispositivos memresistivos baseados em estruturas metal-isolador-metal em redes neuronais capazes de simular as capacidades de aprendizagem e de adaptacao existentes nos cerebros humanos.A primeira parte deste trabalho (Capitulo 3) passou pela fabricacao das amostras atraves de diversos metodos (deposicao por feixe ionico, annealing termico, eletrodeposicao e submersao em solucoes) no sentido de optimizar os processos e escolher o mais apropriado. Fomos capazes de controlar a estequiometria do Ag2S e de caracterizar as amostras usando tecnicas como difraccao por raio-X (XRD), espectroscopia de Raman, espectroscopia de infravermelhos (FTIR), espectroscopia de energia dispersiva (EDS) e espectroscopia por varrimento electroes (SEM), todas descritas no Capitulo 2, bem como efectuar medidas de resistividade electrica.Medidas de transporte electrico foram realizadas nas amostras obtidas (Capitulo 4). O comportameno esperado de mudanca de resistencia associado ao sistema modelo de Ag2S foi obtido e diferentes comportamentos de mudanca de resistencia foram observados nos dispositivos: curvas memresistivas do tipo I e II, comportamentos bipolar e unipolar, para os quais tanto o processo de escrever e como o de apagar foram observados para tensoes negativas ou positivas em diferentes ciclos, e mudanca resistiva complementar. Alem disso, a dependencia da resistencia electrica no tempo foi estudada, estudos estatisticos foram realizados e ainda foram observadas modicacoes dependentes da actividade. Estes efeitos foram atribuidos a formacao de um lamento metalico no interior da camada dielectrica devido a electromigracao.
520 $a Present computer processing capabilities are becoming a restriction to meet modern technological needs. Therefore, approaches beyond the von Neumann computational architecture are imperative and the brain's operation and structure are truly attractive models. Memristors are characterized by a nonlinear relationship between current history and voltage and were shown to present properties resembling those of biological synapses. Here we discuss the use of metal-insulator-metal-based memristive devices in neural networks capable of simulating the learning and adaptation features present in human brains.The first part of this work (Chapter 3) consisted in the fabrication of the samples using diversifed methods (ion beam deposition, thermal annealing, electrodeposition and dipping in solutions) in order to optimize the processes and select the appropriate one. We were able to control the Ag2S stoichiometry and to characterize the samples using techniques such as X-ray Difraction (XRD), Raman Spectroscopy, Fourier Transform Infrared Spectroscopy (FTIR), Energy Dispersive Spectroscopy (EDS) and Scanning Electron Microscopy (SEM), all described in Chapter 2, as well as electrical resistivity measurements.Transport measurements were then performed in the obtained samples (Chapter 4). The expected resistive switching behavior associated with the Ag2S model system was obtained and different switching behaviors were observed in the devices: memristive types I and II curves, bipolar and unipolar behavior, in which both set and reset were seen at negative or positive voltages for diferent cycles, and complementary resistive switching. Furthermore, dependence of the electrical resistance with time was studied, statistical studies were performed and activity-dependent modifications were also observed. These effects were attributed to the formation of a metallic fillament due to electromigration inside the dielectric layer.
546 $a English
590 $a School code: 5896
650 4 $a Neurons. $3 588699
650 4 $a Electrodes. $3 629151
650 4 $a Spectrum analysis. $3 520440
650 4 $a Fourier transforms. $3 3545926
650 4 $a Conductivity. $3 3681488
650 4 $a Neural networks. $3 677449
650 4 $a Silver. $3 2006426
650 4 $a Sulfur. $3 1027219
650 4 $a Information processing. $3 3561808
650 4 $a Ion beams. $3 3687997
650 4 $a Scanning electron microscopy. $3 551366
650 4 $a Annealing. $2 lcstt $3 3267268
650 4 $a Analytical chemistry. $3 3168300
650 4 $a Chemistry. $3 516420
650 4 $a Mathematics. $3 515831
650 4 $a Optics. $3 517925
690 $a 0486
690 $a 0800
690 $a 0485
690 $a 0405
690 $a 0752
710 2 $a Universidade do Porto (Portugal). $e degree granting institution. $3 3815379
720 1 $a Ventura, Joao Oliveira $e degree supervisor.
720 1 $a Araujo, Joao Pedro $e degree supervisor.
773 0 $t Masters Abstracts International $g 85-07.
790 $a 5896
791 $a M.Eng.
792 $a 2013
856 4 0 $u https://pqdd.sinica.edu.tw/twdaoapp/servlet/advanced?query=30791598