Novel multi-weight molecular spintronic synaptic device

Questa tesi analizza un dispositivo neuromorfico innovativo che combina proprietà spintroniche e memristive per l’implementazione dei pesi sinaptici. Lo sviluppo di tali dispositivi rappresenta un passo cruciale verso un’intelligenza artificiale a basso consumo energetico. Nella tesi vengono presentate due architetture che combinano le proprietà spintroniche e quelle memristive. Il loro obiettivo `e permettere la memorizzazione di più reti neurali su un singolo chip, in linea con il paradigma del mixture of experts. La prima architettura consente di codificare i pesi di reti neurali pre-addestrate tramite un metodo che ho denominato Emulazione di Pesi Sinaptici Arbitrari. La seconda è adatta all’apprendimento online e si basa su una tecnica chiamata Quantizzazione dei Pesi, la quale richiede il rispetto di un vincolo specifico sui valori di conduttanza del dispositivo. Per dimostrare che i memristori possono essere programmati in modo da soddisfare tale vincolo, `e stato impiegato un dispositivo molecolare LSMO/Alq3/AlOx/Co/Alq3, che mostra sia resistive switching sia magnetoresistenza a 100 K. Inoltre, `e stato caratterizzato un dispositivo inorganico a struttura Co/AlOx/Co, che ha mostrato la coesistenza delle stesse proprietà a temperatura ambiente (300 K), seppur in maniera meno affidabile.