An algorithm of memristor switching with high precision to a state with preset resistance has been developed based on the application of voltage pulses with smoothly increasing amplitude and the duration varying randomly within preset limits. It is shown that the proposed algorithm can be implemented in memristor structures based on (Co_40Fe_40B_20)_ x (LiNbO_3)_100– x nanocomposites with x ≈ 10 at. %. Optimum parameters are selected for the algorithm operation with a minimum number of iterations that allows the accuracy of resistance setting to be no worse than 0.5%. The obtained results can be used in the creation of neuromorphic systems.

Разработаны Verilog-A-модели тормозного и возбуждающего нейронов с бипрямоугольной и битреугольной формами импульсов (спайков) и мемристивными синаптическими весами. Показана возможность сходимости весов в численном моделировании обучения по Хеббу нейрона на основе локальных правил модификации весов. Предложена схема нейросинаптического ядра для аппаратной реализации формальных и спайковых нейронных сетей на их основе. The paper presents Verilog-A models of excitatory and inhibitory neurons with birectangular and bitriangular shapes of spikes. Besides, it highlights the possibility of convergence of weights in the numerical simulation of a neuron Hebbian learning based on local weight updates rules, as well as offers schemes for the neurosynaptic core for the hardware implementation of formal and spike neural network algorithms.

В работе исследованы мемристоры на базе нанокомпозита (НК) (CoFeB) x(LiNbO3)1-x и построена на их основе импульсная нейроморфная сеть (ИНС) с четырьмя входными и одним выходным нейроном. Было показано, что в ИНС на основе НК мемристивных синапсов, помимо частотного, возможно и временное кодирование образов.