要約
相互作用する電荷のホッピング輸送における非線形挙動により、無秩序ドーパントネットワークデバイスの再構成可能なロジックが可能になります。制御電極に印加される電圧によって、入力電極に印加される電圧と出力電極で測定される電流との関係が調整されます。
動的モンテカルロ シミュレーションから、これらのデバイスでブール論理ゲートを 3 つのレベルで実現するための可変範囲ホッピング伝送の重要な非線形側面を分析します。
まず、制御電圧をランダムに選択した場合の個々のゲートの発生を定量化します。
多次元制御電圧空間内で AND または XOR ゲートが発生する異なる領域の数は同程度であるにもかかわらず、XOR ゲートなどの線形分離不可能なゲートは、AND ゲートなどの線形分離可能ゲートよりも発生する可能性が低いことがわかりました。
。
次に、主成分分析を使用して、(00,10,01,11) ロジック入力の組み合わせの出力電流ベクトルの分布を、出力共分散行列の固有ベクトルと固有値の観点から特徴付けます。
これにより、さまざまなシミュレートされたデバイスの動作を簡単かつ直接比較したり、実験デバイスと比較したりすることができます。
3 番目に、3 つの非線形性指標を導入することにより、ブール機能を実現するために必要な出力電流ベクトルの分布の非線形性を定量化します。
この分析は、ホッピング距離と温度の変化の影響を物理的に解釈し、物理デバイス上でトレーニングされたディープ ニューラル ネットワークによって生成されたデータとの比較に使用されます。
要約(オリジナル)
Nonlinear behavior in the hopping transport of interacting charges enables reconfigurable logic in disordered dopant network devices, where voltages applied at control electrodes tune the relation between voltages applied at input electrodes and the current measured at an output electrode. From kinetic Monte Carlo simulations we analyze the critical nonlinear aspects of variable-range hopping transport for realizing Boolean logic gates in these devices on three levels. First, we quantify the occurrence of individual gates for random choices of control voltages. We find that linearly inseparable gates such as the XOR gate are less likely to occur than linearly separable gates such as the AND gate, despite the fact that the number of different regions in the multidimensional control voltage space for which AND or XOR gates occur is comparable. Second, we use principal component analysis to characterize the distribution of the output current vectors for the (00,10,01,11) logic input combinations in terms of eigenvectors and eigenvalues of the output covariance matrix. This allows a simple and direct comparison of the behavior of different simulated devices and a comparison to experimental devices. Third, we quantify the nonlinearity in the distribution of the output current vectors necessary for realizing Boolean functionality by introducing three nonlinearity indicators. The analysis provides a physical interpretation of the effects of changing the hopping distance and temperature and is used in a comparison with data generated by a deep neural network trained on a physical device.
arxiv情報
著者 | Henri Tertilt,Jonas Mensing,Marlon Becker,Wilfred G. van der Wiel,Peter A. Bobbert,Andreas Heuer |
発行日 | 2023-12-26 12:55:32+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google