Dans le contexte actuel des technologies de l’information, le traitement séquentiel effectué par les ordinateurs d’architecture classique bute sur des problématiques de consommation d’énergie. En s’inspirant de la nature, et tout particulièrement du cerveau, une solution alternative apparaît à travers les réseaux de neurones artificiels. Dans ce cadre, la réalisation de nano-composants, appelés memristors, qui miment la plasticité synaptique, permet grâce à leur taille nanométrique d’envisager la réalisation de réseaux neuronaux densément interconnectés. Dans ce travail de thèse, notre intérêt est porté sur la réalisation d’un tel composant, défini comme une nano-résistance variable et non-volatile, et dont le fonctionnement repose sur le principe de la spintronique (ou l’utilisation du spin des électrons comme vecteur d’information), qui présente les avantages de compatibilité avec les technologies actuelles (CMOS, MRAM, …etc). En utilisant une jonction tunnel magnétique, le concept de memristor spintronique repose sur le déplacement d’une paroi de domaine magnétique par transfert de spin, où chaque position de paroi défini un état de résistance intermédiaire. Afin de maitriser les variations de résistance du dispositif memristif spintronique, l’étude des propriétés statiques et dynamiques de la paroi de domaine sous l’influence d’un courant polarisé en spin est requise. Grâce à l’étude du déplacement et de la résonance de la paroi dans des systèmes à aimantations planaires, comprenant un nombre limité de 3 états intermédiaires de résistance, nous avons pu établir un premier bilan (temps de commutation du dispositif inférieur à la nanoseconde et mis en avant d’un phénomène de ‘sur-amortissement’). En s’appuyant sur ces travaux préliminaires, nous avons par la suite optimisé des jonctions tunnel magnétiques à aimantations perpendiculaires, pour lesquels d’une part le nombre d’états intermédiaires de résistance se voit fortement augmenter (entre 15 et 20 états), autorisant l’utilisation de ce dispositif memristif spintronique pour la réalisation de tâches neuromorphiques. D’autre part, ce dispositif est optimisé pour exploiter le couple de transfert de spin le plus efficace afin de déplacer la paroi de domaine. / In the current context of information technology, the sequential processing carried out by classical computer architectures stumbles on problems of energy consumption. Inspired by nature, especially the brain, an alternative solution appears through artificial neural networks. In this background, the realization of nano-components, called memristors, which mimic synaptic plasticity, enables to consider achieving densely interconnected neural networks due to their small size. In this work, our focus is on the realization of such a component, defined as a tunable and non-volatile nano-resistor, and which operation is based on the principle of spintronics (use of the spin of electrons as information vector), which has the advantages of compatibility with current technologies (CMOS, MRAM …etc). By using a magnetic tunnel junction, the concept of the spintronic memristor is based on the motion of a magnetic domain wall by spin transfer effect, where each wall position defines an intermediate resistance state. In order to control the resistance of this spintronic memristive device, the study of static and dynamic properties of the domain wall under the influence of a spin polarized current is required. By the study of the displacement and resonance of the wall whithin an in-plane magnetized device, we established a first assessment (commutation time of the device below one nanosecond and observation of an over-damping). Based on these preliminary studies, we then optimized magnetic tunnel junctions with out-of-plane magnetizations. On one hand, we show that the number of intermediate resistance states is strongly increased (between 15 and 20 states), allowing this spintronic memristive device to be used to perform neuromorphic tasks. Furthermore, we show that the device is optimized to use the most efficient spin transfer torque to displace the magnetic domain wall.

Dans cette thèse, nous étudions les applications potentielles des nano-dispositifs mémoires émergents dans les architectures de calcul. Nous montrons que des architectures neuro-inspirées pourraient apporter l'efficacité et l'adaptabilité nécessaires à des applications de traitement et de classification complexes pour la perception visuelle et sonore. Cela, à un cout moindre en termes de consommation énergétique et de surface silicium que les architectures de type Von Neumann, grâce à une utilisation synaptique de ces nano-dispositifs. Ces travaux se focalisent sur les dispositifs dit «memristifs», récemment (ré)-introduits avec la découverte du memristor en 2008 et leur utilisation comme synapse dans des réseaux de neurones impulsionnels. Cela concerne la plupart des technologies mémoire émergentes : mémoire à changement de phase – «Phase-Change Memory» (PCM), «Conductive-Bridging RAM» (CBRAM), mémoire résistive – «Resistive RAM» (RRAM)... Ces dispositifs sont bien adaptés pour l'implémentation d'algorithmes d'apprentissage non supervisés issus des neurosciences, comme «Spike-Timing-Dependent Plasticity» (STDP), ne nécessitant que peu de circuit de contrôle. L'intégration de dispositifs memristifs dans des matrices, ou «crossbar», pourrait en outre permettre d'atteindre l'énorme densité d'intégration nécessaire pour ce type d'implémentation (plusieurs milliers de synapses par neurone), qui reste hors de portée d'une technologie purement en «Complementary Metal Oxide Semiconductor» (CMOS). C'est l'une des raisons majeures pour lesquelles les réseaux de neurones basés sur la technologie CMOS n'ont pas eu le succès escompté dans les années 1990. A cela s'ajoute la relative complexité et inefficacité de l'algorithme d'apprentissage de rétro-propagation du gradient, et ce malgré tous les aspects prometteurs des architectures neuro-inspirées, tels que l'adaptabilité et la tolérance aux fautes. Dans ces travaux, nous proposons des modèles synaptiques de dispositifs memristifs et des méthodologies de simulation pour des architectures les exploitant. Des architectures neuro-inspirées de nouvelle génération sont introduites et simulées pour le traitement de données naturelles. Celles-ci tirent profit des caractéristiques synaptiques des nano-dispositifs memristifs, combinées avec les dernières avancées dans les neurosciences. Nous proposons enfin des implémentations matérielles adaptées pour plusieurs types de dispositifs. Nous évaluons leur potentiel en termes d'intégration, d'efficacité énergétique et également leur tolérance à la variabilité et aux défauts inhérents à l'échelle nano-métrique de ces dispositifs. Ce dernier point est d'une importance capitale, puisqu'il constitue aujourd'hui encore la principale difficulté pour l'intégration de ces technologies émergentes dans des mémoires numériques. / In this thesis, we study the potential applications of emerging memory nano-devices in computing architecture. More precisely, we show that neuro-inspired architectural paradigms could provide the efficiency and adaptability required in some complex image/audio processing and classification applications. This, at a much lower cost in terms of power consumption and silicon area than current Von Neumann-derived architectures, thanks to a synaptic-like usage of these memory nano-devices. This work is focusing on memristive nano-devices, recently (re-)introduced by the discovery of the memristor in 2008 and their use as synapses in spiking neural network. In fact, this includes most of the emerging memory technologies: Phase-Change Memory (PCM), Conductive-Bridging RAM (CBRAM), Resistive RAM (RRAM)... These devices are particularly suitable for the implementation of natural unsupervised learning algorithms like Spike-Timing-Dependent Plasticity (STDP), requiring very little control circuitry.The integration of memristive devices in crossbar array could provide the huge density required by this type of architecture (several thousand synapses per neuron), which is impossible to match with a CMOS-only implementation. This can be seen as one of the main factors that hindered the rise of CMOS-based neural network computing architectures in the nineties, among the relative complexity and inefficiency of the back-propagation learning algorithm, despite all the promising aspects of such neuro-inspired architectures, like adaptability and fault-tolerance. In this work, we propose synaptic models for memristive devices and simulation methodologies for architectural design exploiting them. Novel neuro-inspired architectures are introduced and simulated for natural data processing. They exploit the synaptic characteristics of memristives nano-devices, along with the latest progresses in neurosciences. Finally, we propose hardware implementations for several device types. We assess their scalability and power efficiency potential, and their robustness to variability and faults, which are unavoidable at the nanometric scale of these devices. This last point is of prime importance, as it constitutes today the main difficulty for the integration of these emerging technologies in digital memories.

En utilisant les méthodes d’apprentissages tirées des récentes découvertes en neuroscience, les réseaux de neurones impulsionnels ont démontrés leurs capacités à analyser efficacement les grandes quantités d’informations provenant de notre environnement. L’implémentation de ces circuits à l’aide de processeurs classiques ne permet pas d’exploiter efficacement leur parallélisme. L’utilisation de mémoire numérique pour implémenter les poids synaptique ne permet pas la lecture ou la programmation parallèle des synapses et est limité par la bande passante reliant la mémoire à l’unité de calcul. Les technologies mémoire de type memristive pourrait permettre l’implémentation de ce parallélisme au coeur de la mémoire.Dans cette thèse, nous envisageons le développement d’un réseau de neurones impulsionnels dédié au monde de l’embarqué à base de dispositif mémoire émergents. Dans un premier temps, nous avons analysé un réseau impulsionnel afin d’optimiser ses différentes composantes : neurone, synapse et méthode d’apprentissage STDP en vue d’une implémentation numérique. Dans un second temps, nous envisageons l’implémentation de la mémoire synaptique par des dispositifs memristifs. Enfin, nous présentons le développement d’une puce co-intégrant des neurones implémentés en CMOS avec des synapses en technologie CBRAM. / By using learning mechanisms extracted from recent discoveries in neuroscience, spiking neural networks have demonstrated their ability to efficiently analyze the large amount of data from our environment. The implementation of such circuits on conventional processors does not allow the efficient exploitation of their parallelism. The use of digital memory to implement the synaptic weight does not allow the parallel reading or the parallel programming of the synapses and it is limited by the bandwidth of the connection between the memory and the processing unit. Emergent memristive memory technologies could allow implementing this parallelism directly in the heart of the memory.In this thesis, we consider the development of an embedded spiking neural network based on emerging memory devices. First, we analyze a spiking network to optimize its different components: the neuron, the synapse and the STDP learning mechanism for digital implementation. Then, we consider implementing the synaptic memory with emergent memristive devices. Finally, we present the development of a neuromorphic chip co-integrating CMOS neurons with CBRAM synapses.

Durant ces trois années de doctorat, financées par le projet ANR MHANN (MemristiveHardware Analog Neural Network), nous nous sommes intéressés au développement d’une nouvelle architecture de calculateur à l’aide de réseaux de neurones. Les réseaux de neurones artificiels sont particulièrement bien adaptés à la reconnaissance d’images et peuvent être utilisés en complément des processeurs séquentiels. En 2008, une nouvelle technologie de composant a vu le jour : le memristor. Classé comme étant le quatrième élément passif, il est possible de modifier sa résistance en fonction de la densité de courant qui le traverse et de garder en mémoire ces changements. Grâce à leurs propriétés, les composants memristifs sont des candidats idéaux pour jouer le rôle des synapses au sein des réseaux de neurones artificiels. En effectuant des mesures sur la technologie des memristors ferroélectriques de l’UMjCNRS/Thalès de l’équipe de Julie Grollier, nous avons pu démontrer qu’il était possible d’obtenir un apprentissage de type STDP (Spike Timing Dependant Plasticity) classiquement utilisé avec les réseaux de neurones impulsionnels. Cette forme d’apprentissage, inspirée de la biologie, impose une variation des poids synaptiques en fonction des évènements neuronaux. En s’appuyant sur les mesures réalisées sur ces memristors et sur des simulations provenant d’un programme élaboré avec nos partenaires de l’INRIA Saclay, nous avons conçu successivement deux puces en silicium pour deux technologies de memristors ferroélectriques. La première technologie (BTO), moins performante, a été mise de côté au profit d’une seconde technologie (BFO). La seconde puce a été élaborée avec les retours d’expérience de la première puce. Elle contient deux couches d’un réseau de neurones impulsionnels dédié à l’apprentissage d’images de 81 pixels. En la connectant à un boitier contenant un crossbar de memristors, nous pourrons réaliser un démonstrateur d’un réseau de neurones hybride réalisé avec des synapses memristives ferroélectriques. / Supported financially by ANR MHANN project, this work proposes an architecture ofspiking neural network in order to recognize pictures, where traditional processing units are inefficient regarding this. In 2008, a new passive electrical component had been discovered : the memristor. Its resistance can be adjusted by applying a potential between its terminals. Behaving intrinsically as artificial synapses, memristives devices can be used inside artificial neural networks.We measure the variation in resistance of a ferroelectric memristor (obtained from UMjCNRS/Thalès) similar to the biological law STDP (Spike Timing Dependant Plasticity) used with spiking neurons. With our measurements on the memristor and our network simulation (aided by INRIASaclay) we designed successively two versions of the IC. The second IC design is driven by specifications of the first IC with additional functionalists. The second IC contains two layers of a spiking neural network dedicated to learn a picture of 81 pixels. A demonstrator of hybrid neural networks will be achieved by integrating a chip of memristive crossbar interfaced with thesecond IC.

Les mémoires vives à changement de résistance (ReRAM de l'anglais Resistive Random Access Memories) attirent fortement l'attention car elles sont considérées comme unes des plus prometteuses pour la prochaine génération de composants. Ceci est du à leurs basse consommation de puissance, leurs vitesse de commutation élevée et leurs potentiel pour devenir une mémoire à haute densité compatible avec la technologie CMOS. Ces mémoires se basent sur l'effet de commutation résistive (RS de l'anglais resistive switching) qui est un changement réversible de la résistivité contrôlé par un champ électrique externe. Il a été proposé que le RS soit couplé avec la migration de lacunes d'oxygène qui permet de générer, de façon réversible, un canal de conduction dans l'oxyde. Plusieurs expériences ont été menées pour élucider les mécanismes de la commutation pendant les dernières années sans aucune conclusion définitive sur le mécanisme sous jacent au RS. Le principal objectif de ce travail est de comprendre les mécanismes physiques qui contrôlent le RS et de pointer quels sont les paramètres clés qui pourraient améliorer la performance des dispositifs d'un point de vue technologique. Dans cette mémoire nous présentons des études de RS dans différentes interfaces métal/oxyde en utilisant de l'or, de l'argent et du platine comme métaux et des oxydes complexes : YBa2Cu3O7–δ (YBCO), La0.67Sr0.33MnO3 (LSMO) et La0.7Sr0.3CoO3 (LSCO). Ces oxydes ont été choisis car ce sont des systèmes à électrons fortement corrélés ayant des propriétés physiques qui dépendent fortement de la Stœchiométrie d'oxygène. Ils ont une structure similaire (type pérovskite) et une haute mobilité d'oxygène. Nous avons réalisé la validation du principe de fonctionnement pour chaque type de jonction et expliqué le RS en utilisant un modèle de diffusion de lacunes d'oxygène assisté par champ électrique. Nous avons caractérisé ensuite le mécanisme de conduction des jonctions qui suit une conduction dominé par un effet Poole-Frenkel dans YBCO et par un mécanisme type SCLC dans LSCO. La faisabilité des dispositifs de mémoire dans ces jonctions a été testée atteignant des répétitivités élevées avec une consommation de puissance optimale avec plus de 103 commutations RS réussies. Nous avons également étudié l'effet d'accumulation d'impulsions électriques cycliques d'amplitude croissante sur l'état de résistance de la mémoire non-volatile de la jonction. On a trouvé une relation entre l'amplitude du RS et le nombre d'impulsions appliquées pour une amplitude et une température fixées. Cette relation est similaire à l'équation de Basquin qui décrit la loi d'endommagement dans les essais mécaniques de fatigue reliant la contrainte appliquée au nombre de répétitions de la sollicitation (temps de vie). Ceci fait ressortir la similarité de la physique du RS et de la propagation de défauts dans les matériaux soumis à des contraintes mécaniques cycliques. Finalement, nous avons analysé l'évolution temporelle de l'état résistif rémanent dans l'interface oxyde-métal. Le temps de relaxation peut se décrire par une loi exponentielle étendue qui est caractérisée par un exposant d'étirement près de 0.5. Nous trouvons que les temps caractéristiques augmentent avec la température et la puissance appliquée ce qui veut dire que ce n'est pas un phénomène classique d'activation thermique. Les résultats mettent clairement en évidence la relation entre le RS et la diffusion de lacunes d'oxygène dans une surface avec une densité de pièges dépendante de la température et qui peut correspondre physiquement à la diffusion aux joints de grains. / Resistive Random Access Memories (RRAM) have attracted significant attention recently, as it is considered as one of the most promising candidates for the next generation of non-volatile memory devices. This is due to its low power consumption, fast switching speed and the ability to become a high density memory compatible with the conventional CMOS processes. The working principle of this kind of memories is the resistive switching (RS) which is simply the controlled reversible change in the resistivity of a junction generated by an external electric field. It has been proposed that the RS is coupled with the migration of oxygen vacancies generating a reversible conduction path inside the oxide. Many experiments have been done to address the switching mechanism during the last decade without any conclusive answer of what is the physical mechanism beneath the RS. The main goal of the present work it's to understand the physical mechanism that control the RS and to point out which are the key parameters that can help improve the performance of the memory devices from a technological point of view. In this dissertation we report on the studies of the RS in different interfaces metal/oxide where we have utilized gold, silver and platinum as metal and as complex oxides: YBa2Cu3O7–δ (YBCO), La0.67Sr0.33MnO3 (LSMO) y La0.7Sr0.3CoO3 (LSCO). This oxides have been chosen because all of them are strongly correlated compounds with physical properties strongly dependent of their oxygen stoichiometry. They also have a similar crystalline structure (perovskite type) and a high oxygen mobility. We realized the proof of concept for each type of junction successfully and explain the RS effect and explained the RS utilizing an electric assisted diffusion of oxygen vacancies model. We characterized them the conduction mechanism of the junctures with a conduction dominated by the Poole-Frenkel effect in the YBCO and by the SCLC mechanism in the LSCO. The feasibility of the memory devices in this junctions have been tested reaching high repeatability with optimize power consumption with more than 103 successful switching events. We have also studied the effects of accumulating cyclic electrical pulses of increasing amplitude on the non-volatile resistance state of the junctions. We have found a relation between the RS amplitude and the number of applied pulses, at a fixed amplitude and temperature. This relation remains very similar to the Basquin equation use to describe the stress-fatigue lifetime curves in mechanical tests. This points out to the similarity between the physics of the RS and the propagation of defects in materials subjected to repeated mechanical stress. This relation can be used as the basis to build an error correction scheme. Finally, we have analyzed the time evolution of the remnant resistive state in the oxide-metal interfaces. The time relaxation can be described by a stretched exponential law that is characterized by a power exponent close to 0.5. We found that the characteristic time increases with increasing temperature and applied power which means that this is not a standard thermally activated process. The results are a clear evidence of the relation between RS and the diffusion of oxygen vacancies on a two-dimensional surface with a temperature-dependent density of trapping centers, which may correspond, physically, to the diffusion along grain boundaries. / Las memorias resistivas están entre los principales candidatos a ser utilizados como elementos en una nueva generación de memorias no volátiles. Esto se debe a su bajo consumo energético, una alta velocidad de lectura/escritura y a la posibilidad de lograr memorias de alta densidad compatibles con los procesos de la tecnología CMOS actual (por sus siglas en inglés: Complementary Metal–Oxide–Semiconductor).El funcionamiento de estas memorias se basa en la conmutación resistiva (CR), que consiste en el cambio controlado de la resistencia de una interfase metal-óxido a través de estímulos eléctricos. Si bien hasta el presente no se ha podido determinar con certeza el mecanismo físico que controla la CR, se piensa que está basado en el movimiento de vacancias de oxígeno que formarían de manera reversible zonas de alta/baja conducción dentro del óxido.La presente tesis tiene como objetivo principal entender los mecanismos físicos que gobiernan a la CR y poner en evidencia algunos de los aspectos esenciales que pueden contribuir a lograr dispositivos útiles desde el punto de vista tecnológico.Para ello se han realizado estudios de las características principales de la CR para distintas interfases metal-óxido a distintas condiciones de temperatura. Se han utilizado Au, Pt y Ag como metales y los siguientes óxidos complejos YBa2Cu3O7–δ (YBCO), La0.67Sr0.33MnO3 (LSMO) y La0.7Sr0.3CoO3 (LSCO). Se han elegido estos óxidos complejos debido a que presentan características similares, como ser materiales fuertemente correlacionados con una estructura cristalina tipo perovskita y una alta movilidad de oxígenos, lo que afecta muchas de sus propiedades físicas, ya que dependen fuertemente de la estequiometría.Nuestros resultados han demostrado la existencia de una CR bipolar en todos estos sistemas. Ésta es explicada satisfactoriamente a través de un modelo de difusión de vacancias de oxígeno asistidas por campo eléctrico.Se han caracterizado las interfases como dispositivos de memoria, estudiando sus mecanismos de conducción, encontrándose una conducción dominada por un mecanismo del tipo Poole-Frenkel para la muestra de YBCO y una conducción del tipo SCLC para el LSCO y el LSMO. Adicionalmente, se ha conseguido una alta durabilidad y repetitividad en el funcionamiento de estas junturas como dispositivos de memoria,vgracias a la optimización en el protocolo utilizado para escribir/borrar, lográndose más de 103 conmutaciones consecutivas sin fallas en dispositivos bulk.También se ha estudiado el efecto de la acumulación de pulsos idénticos en las interfases obteniéndose una relación entre la amplitud de la CR y el número de pulsos aplicado a amplitud y temperatura fijas. Luego de someter la interfase a ciclos de fatiga eléctrica, se ha encontrado una similitud entre la evolución de la resistencia remanente en esta con la propagación de defectos en un metal sometido a pruebas de fatiga mecánica. Esta relación puede ser usada como base para generar un algoritmo de corrección de errores y para mejorar la efectividad y el consumo de energía de estos dispositivos de memoria.Finalmente, se han realizado estudios sobre la evolución temporal de cada estado de resistencia. Hemos demostrado que sigue una ley exponencial estirada con un exponente cercano a 0.5 y un tiempo característico dado, que depende tanto de la temperatura como de la potencia utilizada. Estos resultados implican que la evolución temporal no está dominada por un proceso estándar de difusión térmicamente activado. La difusión de vacancias de oxígeno ocurre en una superficie con una densidad de trampas que depende de la temperatura, donde dicha superficie correspondería físicamente a los bordes de grano del óxido.

<p>Rapid data growth nowadays makes it more critical to reduce search time to improve the performance of search-intensive applications. However, huge data size makes it more difficult to efficiently perform search operations. Representative conventional approaches to reduce search time, such as CAM and in-memory databases, are no longer efficient because of the data explosion: CMOS-based CAM has low capacity which cannot be increased through CMOS scaling, and in-memory databases have performance degradation as data size increases. As a result, we have to exploit emerging nanotechnologies to accelerate search.</p><p> </p><p>Among emerging nanotechnologies, memristors have become promising candidates to build storage structures because of high capacity, short switching time and low power consumption. However, the benefit we can obtain from these storage structures is limited by low endurance of memristors. In order to utilize the computation ability of memristors and deal with the endurance problem, we explore the design space of memristor-based storage structures.</p><p>We first propose MemCAM/MemTCAM, a configurable memristor-based CAM/TCAM design, in which we use memristors as both memory latches and logic gates. Computation ability of memristors makes it possible to perform range search and high density of memristors provides an opportunity to build MemCAM/MemTCAM with large capacity and small area. We use SPICE to model the memristor and analyze power and performance at different temperatures. The results show that it is feasible to build MemCAM and MemTCAM which have high capacity and can reduce total search time and energy consumption for search-intensive applications with huge data size.</p><p>We then propose four hybrid memristor-based storage structures, Hash-CAM, T-tree-CAM, TB+-tree, and TB+-tree-CAM, to solve the endurance problem. We use an analytical model to evaluate and compare the performance and lifetime of two software-implemented memory-based T-trees and these four hybrid storage structures. The results show that hybrid storage structures can utilize range search abilities, achieve better performance than memory-based T-trees, and improve lifetime from minutes to longer than 60 years. Furthermore, TB+-tree-CAM, a hybrid memristor-based storage structure combining T-tree, B+-tree and CAM, manages to balance between performance and lifetime and can outperform other storage structures when taking both performance and lifetime into consideration.</p> / Dissertation

The memristor is an emerging nano-device. Low power operation, high density, scalability, non-volatility, and compatibility with CMOS Technology have made it a promising technology for memory, Boolean implementation, computing, and logic systems. This dissertation focuses on testing and design of such applications. In particular, we investigate on testing of memristor-based memories, design of memristive implementation of Boolean functions, and reliability and design of neuromorphic computing such as neural network. In addition, we show how to modify threshold logic gates to implement more functions. Although memristor is a promising emerging technology but is prone to defects due to uncertainties in nanoscale fabrication. Fast March tests are proposed in Chapter 2 that benefit from fast write operations. The test application time is reduced significantly while simultaneously reducing the average test energy per cell. Experimental evaluation in 45 nm technology show a speed-up of approximately 70% with a decrease in energy by approximately 40%. DfT schemes are proposed to implement the new test methods. In Chapter 3, an Integer Linear Programming based framework to identify current-mode threshold logic functions is presented. It is shown that threshold logic functions can be implemented in CMOS-based current mode logic with reduced transistor count when the input weights are not restricted to be integers. Experimental results show that many more functions can be implemented with predetermined hardware overhead, and the hardware requirement of a large percentage of existing threshold functions is reduced when comparing to the traditional CMOS-based threshold logic implementation. In Chapter 4, a new method to implement threshold logic functions using memristors is presented. This method benefits from the high range of memristor’s resistivity which is used to define different weight values, and reduces significantly the transistor count. The proposed approach implements many more functions as threshold logic gates when comparing to existing implementations. Experimental results in 45 nm technology show that the proposed memristive approach implements threshold logic gates with less area and power consumption. Finally, Chapter 5 focuses on current-based designs for neural networks. CMOS aging impacts the total synaptic current and this impacts the accuracy. Chapter 5 introduces an enhanced memristive crossbar array (MCA) based analog neural network architecture to improve reliability due to the aging effect. A built-in current-based calibration circuit is introduced to restore the total synaptic current. The calibration circuit is a current sensor that receives the ideal reference current for non-aged column and restores the reduced sensed current at each column to the ideal value. Experimental results show that the proposed approach restores the currents with less than 1% precision, and the area overhead is negligible.

This thesis presents an investigation into developing musical systems with an Unconventional Computing substrate. Computer musicians have found it difficult to access the field of Unconventional Computing, which is likely due to its resource-intensive and complex nature. However, ongoing research is establishing the myxomycete Physarum polycephalum as a universally-accessible and versatile biological computing substrate. As such, the organism is a potential gateway for computer musicians to begin experimenting with aspects of Unconventional Computing. Physarum polycephalum, in its vegetative plasmodium form, is an amorphous unicellular organism that can respond with natural parallelism to the environmental conditions that surround it. This thesis explores the challenges and opportunities related to developing musical systems with Physarum polycephalum. As this area of inquiry is in its infancy, the research took inspiration from a common approach in Unconventional Computing: a journey of exploration and discovery. This journey consisted of a selection of waypoints that provided direction while allowing the research to explore applications of Physarum polycephalum in order to establish how it may be useful in Computer Music. These waypoints guided the research from adapting established prototypes for musical application to developing purpose-made musical demonstrators for use outside of the laboratory. Thus, the thesis reports on a series of Computer Music systems that explore one or more features of Physarum polycephalum's behaviour and physiology. First, the text presents an approach to algorithmic composition that exploits the organism's ability to form and reconfigure graph-like structures. Next, the thesis reports on systems that harness the plasmodium's electrical potential oscillations for sound synthesis and compositional tools. Finally, the thesis presents musical devices that encompass living plasmodium as electrical components. Where applicable, the thesis includes artefacts from demonstrations of these systems, some of which were developed in collaboration with a composer. The findings from this journey demonstrate that Physarum polycephalum is an appropriate substrate for computer musicians wanting to explore Unconventional Computing approaches creatively. Although Physarum polycephalum is relatively robust as a biological substrate, several obstacles arose during this project. This research addressed such obstacles by reviewing and selecting approaches that maintained the organism's accessibility to computer musicians. As a result, the work suggests methods for developing systems with the organism that are practical for the average music technologist and also beneficial to the wider group of scientists investigating Physarum polycephalum for other purposes.

Les travaux présentés dans ce manuscrit traitent de l'étude du dititanate de rubidium de stoechiométrie Rb$_{2}$Ti$_{2}$O$_{5}$. Ce matériau a été synthétisé dans les laboratoires du LPEM, en collaboration avec l'Institut des Matériaux Jean Rouxel de Nantes. Le procédé de synthèse par voie chimique est présenté de façon détaillée dans le manuscrit. Une caractérisation par diffraction de rayons X en fonction de la température, réalisée sur poudre et monocristal a montré que le groupe d'espace du composé est C2/m. Des calculs de relaxation structurale utilisant la théorie de la fonctionnelle de densité (DFT ) par méthode ab initio sont venus confirmer ces résultats. Une étude des modes vibratoires du réseau cristallin par spectroscopie Raman et IR en fonction de la température est aussi présentée dans ce manuscrit. Des calculs DFT sur les modes vibratoires du Rb$_{2}$Ti$_{2}$O$_{5}$ sont également présentés pour compléter l'étude spectroscopique. Des études par Microscope Electronique à Transmission ainsi que Microscope Electronique à Balayage viennent ajouter des informations sur la structure cristalline et la topographie du matériau. La majeure partie des travaux présentés dans ce manuscrit concerne des mesures de transport réalisées sur ce composé. Cette étude se compose d'un ensemble de mesures comportant des cycles I-V, Q-V et des mesures de permittivité en fréquence, le tout sur une large plage de température (100\,K-400\,K). Une valeur colossale de la permittivité relative (10$^8$) avec une variation de six ordres de grandeurs entre les basses et hautes fréquences, ainsi que des signatures dans les courants de polarisation de déplacement attestant d'un comportement de type ferroélectrique ont été mis en évidence. Nous avons montré que les échantillons de Rb$_{2}$Ti$_{2}$O$_{5}$ sont très faiblement conducteurs électroniquement mais de bons conducteurs ioniques. Nous avons mis en évidence des propriétés d'accumulation de charge ionique donnant lieu à des macro-dipôles expliquant une valeur colossale de la constante diélectrique. Ces propriétés s'activent dans une plage de température comprise entre 200K et 330K. Nous avons de surcroît démontré que ce matériau offrait de manière intrinsèque les propriétés d'un système de permittivité. / The work described in this thesis report deals with the dielectric investigation of the rubidium peroxititanate with stoechiometry Rb$_{2}$Ti$_{2}$O$_{5}$. This material has been synthetized in the LPEM (ESPCI Paris) with the collaboration of Institut des Matériaux Jean Rouxel (Nantes, France). The synthesis process is based on chemical solid state reactions and is detailed in this report. An X-Ray diffraction caracterization as function of the temperature was realized on powders and single cristals and showed that the material structure is C2/m. Structural relaxation computations using Density Functional Theory (DFT) confirmed these results. A deep investigation of the phonon modes by means of Raman and Infrared spectroscopy as function of temperature was also performed and results are presented and discussed in the thesis. DFT computations of the phonon modes of the Rb$_{2}$Ti$_{2}$O$_{5}$ are also displayed to finalize the structural study. Transverse Electron Miscroscopy and Scanning Electron Microscopy also brought useful information concerning the crystal structure and the topography of the materials. The main part of the work presented in this thesis is related to electrical transport measurements performed on Rb$_{2}$Ti$_{2}$O$_{5}$ crystals. This study consists of a temperature dependence investigation of I-V and Q-V cycles as well as permittivity measurements as function of frequency. We report a colossal relative permittivity (10$^8$) with a variation of almost six order of magnitude between low and high frequencies, and signatures in the displacement currents attesting of a huge variation of polarization due to ferroelectic-like behavior. We showed that the samples of Rb$_{2}$Ti$_{2}$O$_{5}$ are very weak electronic conductors (10$^{-9}$\,S.cm$^{-1}$) but very good ionic conductors (10$^{-3}$\,S.cm$^{-1}$). We have evidenced ionic charge accumulation properties giving rise to macro-dipoles explaining this colossal dielectric constant value. These properties were found to be activated within a temperature range of 200\,K -330\,K. In addition it was demonstrated that this material genuinely behaves as a memristive system.

No description available.