Download the full version of the textbook now at textbookfull.

com

Memristive Devices for Brain Inspired

Computing From Materials Devices and Circuits
to Applications Computational Memory Deep
Learning and Series in Electronic and Optical
Materials 1st Edition Sabina Spiga (Editor)
https://textbookfull.com/product/memristive-
devices-for-brain-inspired-computing-from-
materials-devices-and-circuits-to-applications-
computational-memory-deep-learning-and-series-in-
electronic-and-optical-materials-1st-edition-
sabin/

Explore and download more textbook at https://textbookfull.com

 Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

Smart Sensors and MEMS Intelligent Devices and

Microsystems for Industrial Applications Woodhead
Publishing Series in Electronic and Optical Materials 1st
Edition S Nihtianov A Luque
https://textbookfull.com/product/smart-sensors-and-mems-intelligent-
devices-and-microsystems-for-industrial-applications-woodhead-
publishing-series-in-electronic-and-optical-materials-1st-edition-s-
nihtianov-a-luque/
textbookfull.com

Nanostructured Semiconductor Oxides for the Next

Generation of Electronics and Functional Devices
Properties and Applications Woodhead Publishing Series in
Electronic and Optical Materials 1st Edition Zhuiykov
https://textbookfull.com/product/nanostructured-semiconductor-oxides-
for-the-next-generation-of-electronics-and-functional-devices-
properties-and-applications-woodhead-publishing-series-in-electronic-
and-optical-materials-1st-editio/
textbookfull.com

Electronic Devices and Circuits (6th Edition) Bogart

https://textbookfull.com/product/electronic-devices-and-circuits-6th-
edition-bogart/

textbookfull.com

Software Architecture 12th European Conference on Software

Architecture ECSA 2018 Madrid Spain September 24 28 2018
Proceedings Carlos E. Cuesta
https://textbookfull.com/product/software-architecture-12th-european-
conference-on-software-architecture-ecsa-2018-madrid-spain-
september-24-28-2018-proceedings-carlos-e-cuesta/
textbookfull.com
The Byzantine Empire 1025 1204 A Political History Second
Edition Michael Angold

https://textbookfull.com/product/the-byzantine-
empire-1025-1204-a-political-history-second-edition-michael-angold/

textbookfull.com

Advances in Semiconductor Nanostructures. Growth,

Characterization, Properties and Applications Alexander V.
Latyshev
https://textbookfull.com/product/advances-in-semiconductor-
nanostructures-growth-characterization-properties-and-applications-
alexander-v-latyshev/
textbookfull.com

Diplomacy in a Globalizing World 2nd Edition Dr Pauline

Kerr

https://textbookfull.com/product/diplomacy-in-a-globalizing-world-2nd-
edition-dr-pauline-kerr/

textbookfull.com

McGraw-Hill Education Social Studies Workbook for the GED

Test 3rd Edition Mcgraw Hill Editors

https://textbookfull.com/product/mcgraw-hill-education-social-studies-
workbook-for-the-ged-test-3rd-edition-mcgraw-hill-editors/

textbookfull.com

R N Kao Gentleman Spymaster 1st Edition Nitin A Gokhale

https://textbookfull.com/product/r-n-kao-gentleman-spymaster-1st-
edition-nitin-a-gokhale/

textbookfull.com
Handbook of Environmental Engineering 3rd Edition Myer
Kutz

https://textbookfull.com/product/handbook-of-environmental-
engineering-3rd-edition-myer-kutz/

textbookfull.com
Memristive Devices for Brain-Inspired
Computing
From Materials, Devices, and Circuits to Applications —
Computational Memory, Deep Learning, and Spiking Neural
Networks
Woodhead Publishing Series in Electronic and
Optical Materials

Memristive Devices for

Brain-Inspired
Computing
From Materials, Devices, and Circuits to
Applications — Computational Memory,
Deep Learning, and Spiking Neural Networks

Edited by

Sabina Spiga
Abu Sebastian
Damien Querlioz
Bipin Rajendran
Woodhead Publishing is an imprint of Elsevier
The Officers’ Mess Business Centre, Royston Road, Duxford, CB22 4QH, United Kingdom
50 Hampshire Street, 5th Floor, Cambridge, MA 02139, United States
The Boulevard, Langford Lane, Kidlington, OX5 1GB, United Kingdom
Copyright © 2020 Elsevier Ltd. All rights reserved.
No part of this publication may be reproduced or transmitted in any form or by any means,
electronic or mechanical, including photocopying, recording, or any information storage and
retrieval system, without permission in writing from the publisher. Details on how to seek
permission, further information about the Publisher’s permissions policies and our
arrangements with organizations such as the Copyright Clearance Center and the Copyright
Licensing Agency, can be found at our website: www.elsevier.com/permissions.
This book and the individual contributions contained in it are protected under copyright
by the Publisher (other than as may be noted herein).
Notices
Knowledge and best practice in this field are constantly changing. As new research and
experience broaden our understanding, changes in research methods, professional practices, or
medical treatment may become necessary.
Practitioners and researchers must always rely on their own experience and knowledge in
evaluating and using any information, methods, compounds, or experiments described herein.
In using such information or methods they should be mindful of their own safety and the safety
of others, including parties for whom they have a professional responsibility.
To the fullest extent of the law, neither the Publisher nor the authors, contributors, or editors,
assume any liability for any injury and/or damage to persons or property as a matter of
products liability, negligence or otherwise, or from any use or operation of any methods,
products, instructions, or ideas contained in the material herein.

British Library Cataloguing-in-Publication Data

A catalogue record for this book is available from the British Library
Library of Congress Cataloging-in-Publication Data
A catalog record for this book is available from the Library of Congress
ISBN: 978-0-08-102782-0 (print)
ISBN: 978-0-08-102787-5 (online)

For information on all Woodhead Publishing publications

visit our website at https://www.elsevier.com/books-and-journals

Publisher: Matthew Deans

Acquisitions Editor: Kayla Dos Santos
Editorial Project Manager: Mariana Henriques
Production Project Manager:
Sojan P. Pazhayattil
Cover Designer: Alan Studholme
Typeset by MPS Limited, Chennai, India
Contents

List of contributors xv
Preface xix

Part I
Memristive devices for brain inspired computing
1. Role of resistive memory devices in brain-inspired
computing 3
Sabina Spiga, Abu Sebastian, Damien Querlioz and Bipin Rajendran
1.1 Introduction 3
1.2 Type of resistive memory devices 4
1.3 Resistive memory devices for brain-inspired computing 8
1.4 Conclusions and perspectives 10
References 11

2. Resistive switching memories 17

Stefano Brivio and Stephan Menzel
2.1 Introduction 17
2.2 Basic concepts of the physics of resistive switching 17
2.2.1 Resistive switching based on cation migration 19
2.2.2 Resistive switching based on anion migration 21
2.2.3 Negative differential resistance devices 27
2.2.4 Switching features related to physical processes 28
2.3 Resistance switching technology: performances and
industrial-level prototypes 32
2.4 Advanced functionalities and programming schemes 35
2.4.1 Multilevel operation 36
2.4.2 Implementation of plasticity in resistive switching
random access memories devices 38
2.4.3 Rate and timing computing with resistive switching
random access memories devices 44
2.4.4 Oscillatory systems 47
2.5 Conclusions and perspectives 49
References 50

v
vi Contents

3. Phase-change memory 63
Manuel Le Gallo and Abu Sebastian
3.1 Introduction 63
3.1.1 Historical overview of phase-change memory 63
3.1.2 Applications of phase-change memory 64
3.2 Essentials of phase-change memory 67
3.3 A detailed description of the write operation 70
3.3.1 SET/RESET operation 70
3.3.2 Switching process 73
3.3.3 Multilevel operation 75
3.4 A detailed description of the read operation 76
3.4.1 Subthreshold electrical transport: voltage and
temperature dependence 77
3.4.2 Resistance drift 78
3.4.3 Noise 81
3.5 Key enablers for brain-inspired computing 82
3.5.1 Multilevel storage 82
3.5.2 Accumulative behavior 84
3.5.3 Inter and intradevice randomness 86
3.6 Outlook 90
References 91

4. Magnetic and ferroelectric memories 97

Nicolas Locatelli, Liza Herrera Diez and Thomas Mikolajick
4.1 Magnetic memories 97
4.1.1 “Spintronics” at a glance 97
4.1.2 Storing information 98
4.1.3 Reading information 100
4.1.4 Writing information 105
4.1.5 Latest developments 108
4.2 Ferroelectric memories 109
4.2.1 Ferroelectric materials 109
4.2.2 Capacitor-based ferroelectric memories 113
4.2.3 Transistor-based ferroelectric memories 115
4.2.4 Ferroelectric tunneling junctions 116
4.3 Memories beyond the Von Neumann architectures 117
4.3.1 Logic-in-memory 118
4.3.2 Perspectives for neuromorphic computing:
brain-inspired architectures 120
4.3.3 Leveraging stochastic switching: random number
generation, approximate computing 125
4.3.4 Summary and outlook 126
References 127
 Contents vii

5. Selector devices for emerging memories 135

Solomon Amsalu Chekol, Jeonghwan Song, Jaehyuk Park,
Jongmyung Yoo, Seokjae Lim and Hyunsang Hwang
5.1 Introduction 135
5.2 Insulator metal transition selector 137
5.3 Ovonic threshold switching 143
5.4 CBRAM-type selector 149
5.5 Conclusion 157
References 160

Part II
Computational memory
6. Memristive devices as computational memory 167
Abu Sebastian, Damien Querlioz, Bipin Rajendran and
Sabina Spiga
6.1 Introduction 167
6.2 In-memory computing 167
6.3 Future outlook 171
References 172

7. Memristor-based in-memory logic and its application

in image processing 175
Ameer Haj-Ali, Ronny Ronen, Rotem Ben-Hur, Nimrod Wald and
Shahar Kvatinsky
7.1 Introduction 175
7.2 Memristor-based logic 177
7.2.1 Memristor Aided loGIC (MAGIC) 180
7.2.2 Digital image processing 181
7.2.3 Previous attempts to accelerate image processing with
memristors 182
7.3 The memristive Memory Processing Unit 182
7.3.1 Challenges of the memristive Memory Processing Unit 184
7.4 Performing image processing in the memristive Memory
Processing Unit 185
7.4.1 Fixed-Point multiplication 185
7.4.2 MAGIC-based algorithms for image processing 185
7.5 Evaluation 186
7.5.1 Methodology 186
7.5.2 Performance 188
7.5.3 Energy 188
7.6 Conclusions 189
References 190
viii Contents

8. Hyperdimensional computing nanosystem: in-memory

computing using monolithic 3D integration of RRAM
and CNFET 195
Abbas Rahimi, Tony F. Wu, Haitong Li, Jan M. Rabaey,
H.-S. Philip Wong, Max M. Shulaker and Subhasish Mitra
8.1 Introduction 195
8.2 Background on HD computing 197
8.2.1 Arithmetic operations on hypervectors 198
8.2.2 General and scalable model of computing 200
8.2.3 Robustness of computations 202
8.2.4 Memory-centric with parallel operations 202
8.3 Case study: language recognition 202
8.3.1 Mapping and encoding module 203
8.3.2 Similarity search module 205
8.4 Emerging technologies for HD computing 206
8.4.1 Carbon nanotube field-effect transistors 206
8.4.2 Resistive RAM 207
8.4.3 Monolithic 3D integration 208
8.5 Experimental demonstrations for HD computing 209
8.5.1 3D VRRAM demonstration: in-memory MAP kernels 209
8.5.2 System demonstration using monolithic 3D integrated
CNFETs and RRAM 212
8.6 Conclusion 215
References 215

9. Vector multiplications using memristive devices and

applications thereof 221
Mohammed A. Zidan and Wei D. Lu
9.1 Introduction 221
9.2 Computing via physical laws 223
9.2.1 Data mapping to the crossbar 224
9.2.2 Input data encoding 226
9.2.3 Output data sampling 228
9.2.4 Additional design considerations 230
9.3 Soft computing applications 230
9.3.1 Data classification 232
9.3.2 Feature extraction 236
9.3.3 Data clustering 238
9.3.4 Signal processing 240
9.3.5 Security applications 242
9.4 Precise computing applications 242
9.4.1 In-memory arithmetic accelerators 243
9.4.2 Logic circuitry 245
9.5 General memristor-based multiply-and-accumulate
accelerators 246
 Contents ix

9.6 Conclusion 248

Acknowledgments 248
References 249

10. Computing with device dynamics 255

Stephanie Bohaichuk and Suhas Kumar
10.1 Computation using oscillatory dynamics 256
10.2 Control of memristor resistance 262
10.3 Correlation detection and nonlinear solvers 263
10.4 Optimization using Hopfield networks and chaotic devices 267
10.5 Conclusions 270
References 271

11. Exploiting the stochasticity of memristive devices for

computing 275
Alice Mizrahi, Raphaël Laurent, Julie Grollier and Damien Querlioz
11.1 Harnessing randomness 276
11.1.1 Trading-off reliability for low-power consumption 276
11.1.2 Embracing unreliability by using noise 277
11.1.3 Computing with probabilities: stochastic computing 285
11.2 Proposals of stochastic building blocks 287
11.2.1 Quantum dots cellular automata 287
11.2.2 Molecular approaches 288
11.2.3 Charge-based memristive devices 289
11.2.4 Spintronics 292
11.3 Test cases of stochastic computation: case of magnetic
tunnel junction 298
11.3.1 Spin dice: a true random number generator 298
11.3.2 Stochastic synapses 299
11.3.3 Stochastic computation with superparamagnetic
tunnel junctions 301
11.3.4 Population coding-based stochastic computation 302
11.4 Conclusion 303
References 304

Part III
Deep learning
12. Memristive devices for deep learning applications 313
Damien Querlioz, Sabina Spiga, Abu Sebastian and Bipin Rajendran
12.1 Quick introduction to deep learning 314
x Contents

12.1.1 Simple neural network 314

12.1.2 Backpropagation 316
12.1.3 Why going deep helps? 318
12.1.4 Modern deep neural networks 319
12.2 Why do deep neural networks consume more energy than
the brain, and how memristive devices can help 322
12.2.1 Separation of logic and memory 322
12.2.2 Reliance on approximate computing 323
12.2.3 Cost of clock 324
12.2.4 Is backpropagation hardware compatible? 325
12.3 Conclusion 326
References 326

13. Analog acceleration of deep learning using

phase-change memory 329
Pritish Narayanan, Stefano Ambrogio, Hsinyu Tsai, Charles Mackin,
Robert M. Shelby and Geoffrey W. Burr
13.1 Introduction 329
13.2 Deep learning with nonvolatile memory—an overview 331
13.3 Recent progress on phase-change memory for deep learning 336
13.4 Achieving software-equivalent accuracy in DNN training 341
13.4.1 PCM 1 3T1C 342
13.4.2 Polarity inversion 344
13.4.3 Mixed hardware Software experiment 346
13.4.4 Results 349
13.5 Nonvolatile memory device requirements for deep learning
revisited 352
13.5.1 Most significant pair programming 354
13.5.2 Dependence of accuracy on device nonidealities 354
13.6 Conclusions 359
References 359

14. RRAM-based coprocessors for deep learning 363

Ying Zhou, Bin Gao, Chunmeng Dou, Meng-Fan Chang and
Huaqiang Wu
14.1 Introduction 363
14.2 NN applications based on RRAM 367
14.2.1 Related simulation work 367
14.2.2 Experimental implementation 373
14.3 Circuit and system-level implementation 382
14.3.1 Latest progress on circuit and system based on
RRAM for NN processing 382
Visit https://textbookfull.com
now to explore a rich
collection of eBooks, textbook
and enjoy exciting offers!
 Contents xi

14.3.2 Practical challenges of implementing RRAM macros for

DNN processing 385
14.3.3 Advanced design techniques for performance and
reliability enhancement 388
14.4 Summary 392
References 392

Part IV
Spiking neural networks
15. Memristive devices for spiking neural networks 399
Bipin Rajendran, Damien Querlioz, Sabina Spiga and Abu Sebastian
15.1 Introduction 399
15.2 Signal encoding and processing with spikes 400
15.3 System architecture 402
15.4 Memristive devices for Spiking neural networks 402
15.5 Future outlook 403
References 404

16. Neuronal realizations based on memristive devices 407

Zhongrui Wang, Rivu Midya and J. Joshua Yang
16.1 Introduction 407
16.1.1 Spiking neuron network 407
16.1.2 Conventional transistor-based spiking neurons 407
16.2 Novel memristor-based neurons 408
16.2.1 Phase-change memristor 408
16.2.2 Redox and electronic memristor 410
16.2.3 Ovonic chalcogenide glass 412
16.2.4 Mott insulators 414
16.2.5 Magnetic tunneling junction 417
16.3 Unsupervised programming of the synapses 418
16.3.1 Phase-change memristor neuron and synapse
interaction 418
16.3.2 Redox memristor neuron 420
16.4 Conclusion 423
References 423

17. Synaptic realizations based on memristive devices 427

Valerio Milo, Thomas Dalgaty, Daniele Ielmini and Elisa Vianello
17.1 Introduction 427
17.2 Biological synaptic plasticity rules 428
xii Contents

17.2.1 Long-term spike-timing-dependent plasticity and

spike-rate-dependent plasticity 429
17.2.2 Short-term plasticity 430
17.2.3 State-dependent synaptic modulation 431
17.3 Memristive implementations 432
17.3.1 Resistive switching random access memory synapses 433
17.3.2 Phase-change memory synapses 439
17.3.3 Spin-transfer torque magnetic random access memory
synapses 441
17.4 Hybrid complementary metal-oxide semiconductor/
memristive synapses 442
17.4.1 One-transistor/one-resistor synapses 442
17.4.2 Two-transistor/one-resistor synapses 446
17.4.3 Differential synapses 450
17.4.4 Multimemristive synapses 450
17.5 Synaptic transistors (3-terminal synapses) 452
17.6 Triplet-based synapses 454
17.7 Spike-rate-dependent plasticity synapses 457
17.7.1 One-resistor synapses 457
17.7.2 Four-transistors/one-resistor synapses 459
17.7.3 One-selector/one-resistor synapses 462
17.8 Self-learning networks with memristive synapses 464
17.9 Conclusion 469
Acknowledgments 469
References 470

18. System-level integration in neuromorphic co-

processors 479
Giacomo Indiveri, Bernabé Linares-Barranco and Melika Payvand
18.1 Neuromorphic computing 479
18.2 Integrating memristive devices as synapses in
neuromorphic computing architectures 480
18.3 Spike-based learning mechanisms for hybrid
memristive-CMOS neuromorphic synapses 484
18.3.1 STDP mechanism 485
18.3.2 Spike timing- and rate-dependent plasticity
mechanism 486
18.3.3 Spike-based stochastic weight update rules 488
18.3.4 Comparison between the spike-based learning
architectures 491
18.4 Spike-based implementation of the neuronal intrinsic
plasticity 491
18.5 Scalable mixed memristive CMOS multicore neuromorphic
computing systems 492
18.6 Conclusions and discussion 493
References 494
 Contents xiii

19. Spiking neural networks for inference and learning: a

memristor-based design perspective 499
Mohammed E. Fouda, Fadi Kurdahi, Ahmed Eltawil and Emre Neftci
19.1 Introduction 499
19.2 Spiking neural networks and synaptic plasticity 500
19.3 Memristive realization and nonidealities 502
19.3.1 Weight Mapping 504
19.3.2 RRAM endurance and retention 505
19.3.3 Sneak Path Effect 506
19.3.4 Delay 509
19.3.5 Asymmetric nonlinearity conductance update model 509
19.4 Synaptic plasticity and learning in SNN 514
19.4.1 Gradient-based learning in SNN and three-factor rules 515
19.5 Stochastic SNNs 521
19.5.1 Learning in stochastic SNNs 522
19.5.2 Three-factor learning in memristor arrays 524
19.6 Concluding remarks 525
References 525

Index 531
List of contributors

Stefano Ambrogio IBM Research Almaden, 650 Harry Road, San Jose, CA,
United States
Rotem Ben-Hur Technion Israel Institute of Technology, Haifa, Israel
Stephanie Bohaichuk Stanford University, Stanford, CA, United States
Stefano Brivio CNR—IMM, Unit of Agrate Brianza, Agrate Brianza, Italy
Geoffrey W. Burr IBM Research Almaden, 650 Harry Road, San Jose, CA,
United States
Meng-Fan Chang Electrical Engineering Department, National Tsing Hua
University, Hsinchu, Taiwan, ROC
Solomon Amsalu Chekol Center for Single Atom-based Semiconductor Device and
Department of Materials Science and Engineering, Pohang University of Science
and Technology (POSTECH), Pohang-si, South Korea
Thomas Dalgaty University of Grenoble Alpes, CEA, LETI, Grenoble, France
Chunmeng Dou Electrical Engineering Department, National Tsing Hua University,
Hsinchu, Taiwan, ROC
Ahmed Eltawil Department of Electrical Engineering and Computer Science,
University of California—Irvine, Irvine, CA, United States
Mohammed E. Fouda Department of Electrical Engineering and Computer Science,
University of California—Irvine, Irvine, CA, United States
Bin Gao Institute of Microelectronics, Tsinghua University, Beijing, P.R. China
Julie Grollier Unité Mixte de Physique, CNRS, Thales, Université Paris-Saclay,
91767 Palaiseau, France
Ameer Haj-Ali Technion Israel Institute of Technology, Haifa, Israel
Liza Herrera Diez Center for Nanosciences and Nanotechnology, CNRS, Université
Paris-Saclay, Palaiseau, France
Hyunsang Hwang Center for Single Atom-based Semiconductor Device and
Department of Materials Science and Engineering, Pohang University of Science
and Technology (POSTECH), Pohang-si, South Korea
Daniele Ielmini Department of Electronics, Information and Bioengineering,
Polytechnic University of Milan and IU.NET, Milan, Italy
Giacomo Indiveri Institute of Neuroinformatics, University of Zurich and ETH
Zurich, Zürich, Switzerland

xv
xvi List of contributors

Suhas Kumar Hewlett Packard Labs, Palo Alto, CA, United States
Fadi Kurdahi Department of Electrical Engineering and Computer Science,
University of California—Irvine, Irvine, CA, United States
Shahar Kvatinsky Technion Israel Institute of Technology, Haifa, Israel
Raphaël Laurent HawAI.tech S.A.S., Grenoble, France
Manuel Le Gallo IBM Research Zurich, Rüschlikon, Switzerland
Haitong Li Department of Electrical Engineering, Stanford University, Stanford,
CA, United States
Seokjae Lim Center for Single Atom-based Semiconductor Device and Department
of Materials Science and Engineering, Pohang University of Science and
Technology (POSTECH), Pohang-si, South Korea
Bernabé Linares-Barranco Instituto de Microelectrónica de Sevilla IMSE-CNM,
CSIC and Universidad de Sevilla, Sevilla, Spain
Nicolas Locatelli Center for Nanosciences and Nanotechnology, CNRS, Université
Paris-Saclay, Palaiseau, France
Wei D. Lu Department of Electrical Engineering and Computer Science, University
of Michigan, Ann Arbor, MI, United States
Charles Mackin IBM Research Almaden, 650 Harry Road, San Jose, CA,
United States
Stephan Menzel Peter-Grünberg-Institut 7, Forschungszentrum Jülich GmbH,
Juelich, Germany
Rivu Midya Department of Electrical and Computer Engineering, University of
Massachusetts, Amherst, MA, United States
Thomas Mikolajick NaMLab gGmbH, Dresden, Germany; Institute for
Semiconductors and Microsystems, TU Dresden, Dresden, Germany
Valerio Milo Department of Electronics, Information and Bioengineering,
Polytechnic University of Milan and IU.NET, Milan, Italy
Subhasish Mitra Department of Electrical Engineering, Stanford University,
Stanford, CA, United States
Alice Mizrahi Unité Mixte de Physique, CNRS, Thales, Université Paris-Saclay,
91767 Palaiseau, France
Pritish Narayanan IBM Research Almaden, 650 Harry Road, San Jose, CA,
United States
Emre Neftci Department of Cognitive Sciences and Department of Computer
Science, University of California—Irvine, Irvine, CA, United States
Jaehyuk Park Center for Single Atom-based Semiconductor Device and Department
of Materials Science and Engineering, Pohang University of Science and
Technology (POSTECH), Pohang-si, South Korea
Melika Payvand Institute of Neuroinformatics, University of Zurich and ETH
Zurich, Zürich, Switzerland
 List of contributors xvii

Damien Querlioz Centre for Nanoscience and Nanotechnology, Universite

Paris-Saclay, Palaiseau, France
Jan M. Rabaey Department of Electrical Engineering and Computer Sciences, UC
Berkeley, Berkeley, CA, United States
Abbas Rahimi Department of Information Technology and Electrical Engineering,
ETH Zurich, Zurich, Switzerland; Department of Electrical Engineering and
Computer Sciences, UC Berkeley, Berkeley, CA, United States
Bipin Rajendran Department of Engineering, King’s College London, London,
United Kingdom
Ronny Ronen Technion Israel Institute of Technology, Haifa, Israel
Abu Sebastian IBM Research Zurich, Rüschlikon, Switzerland
Robert M. Shelby IBM Research Almaden, 650 Harry Road, San Jose, CA,
United States
Max M. Shulaker Electrical Engineering and Computer Science Department, MIT,
Cambridge, MA, United States
Jeonghwan Song Center for Single Atom-based Semiconductor Device and
Department of Materials Science and Engineering, Pohang University of Science
and Technology (POSTECH), Pohang-si, South Korea
Sabina Spiga CNR IMM, Agrate Brianza, Italy
Hsinyu Tsai IBM Research Almaden, 650 Harry Road, San Jose, CA,
United States
Elisa Vianello University of Grenoble Alpes, CEA, LETI, Grenoble, France
Nimrod Wald Technion Israel Institute of Technology, Haifa, Israel
Zhongrui Wang Department of Electrical and Computer Engineering, University of
Massachusetts, Amherst, MA, United States
H.-S. Philip Wong Department of Electrical Engineering, Stanford University,
Stanford, CA, United States
Huaqiang Wu Institute of Microelectronics, Tsinghua University, Beijing,
P.R. China
Tony F. Wu Department of Electrical Engineering, Stanford University, Stanford,
CA, United States
J. Joshua Yang Department of Electrical and Computer Engineering, University of
Massachusetts, Amherst, MA, United States
Jongmyung Yoo Center for Single Atom-based Semiconductor Device and
Department of Materials Science and Engineering, Pohang University of Science
and Technology (POSTECH), Pohang-si, South Korea
Ying Zhou Institute of Microelectronics, Tsinghua University, Beijing, P.R. China
Mohammed A. Zidan Department of Electrical Engineering and Computer Science,
University of Michigan, Ann Arbor, MI, United States
Preface

To process the ever-increasing amounts of data, computing technology has

relied on the principles of Dennard and Moore’s laws to scale up the perfor-
mance of conventional von Neumann machines. As these strategies break
down due to technological limits, a radical departure from the processor-
memory dichotomy is needed to circumvent the limitations of today’s com-
puters. Brain-inspired computing is a key non-von Neumann approach that is
being actively researched.
Resistive memory devices, also known as memristive devices, could play
an essential role in brain-inspired computing. The first part of the book
(Chapters 1 5) will introduce the current state of the art of memristive
devices and their role in brain-inspired computing. The materials systems
and device characteristics of the various memory technologies (such as
phase-change memory, resistive random access memory, magnetoresistive
random access memory, and ferroelectric random access memory) will be
presented and discussed in view of applications beyond information storage
and toward brain-inspired computing.
Computing systems that are inspired by the way the brain works could
have varying levels of similarity to the computational principles of the brain.
At a basic level, a key attribute is the collocation of memory and processing.
If data are stored in memristive devices, then their physical attributes and
array-level organization can be exploited to achieve in-place computation,
which we refer to as in-memory computing. Memristive devices, when orga-
nized within a computational memory unit, can be used to perform a range
of tasks from logical and arithmetic operations to stochastic computing. The
second part of the book (Chapters 6 11) will give an overview of these
applications.
Recently, deep artificial neural networks (deep learning) have shown
remarkable human-like performance in tasks such as image processing and
voice recognition. These network architectures are loosely inspired by the
brain but are still implemented in conventional von Neumann machines com-
prising large CPU-GPU clusters. To address the associated computational
inefficiency, non-von Neumann coprocessors based on memristive devices
are being actively researched. The third part of the book (Chapters 12 14)
provides a detailed account of how memristive devices are exploited for
deep learning acceleration.

xix
xx Preface

Despite our ability to train deep neural networks with brute-force optimi-
zation, the computational principles of neural networks remain poorly under-
stood. Hence significant research is aimed at unraveling the principles of
computation or information processing in large biological neuronal networks.
It is widely believed that because of the added temporal dimension, spiking
neural networks (SNNs) are computationally more powerful. The fourth part
of the book (Chapters 15 19) provides an overview of how memristive
devices could efficiently implement these novel spike-based algorithms.
This book targets a broad and interdisciplinary audience working in the
field of brain-inspired computing from materials scientists, physicists, and
electrical engineers to computer scientists. We hope it will be a valuable and
timely resource to researchers from both academia and industry and at vari-
ous levels of expertise, including masters and PhD students.
We would like to express our sincere appreciation to the authors who
provided excellent contributions and have been willing to go through multi-
ple iterations in order to improve the quality and consistency within the
book. We would also like to thank the colleagues at our respective institu-
tions, CNR-IMM-Agrate Brianza, IBM Research—Zurich, Université Paris-
Saclay/CNRS, and King’s College London, for all the support during the
preparation of this book. In particular we would like to thank Anne-Marie
Cromack from IBM Research—Zurich for editorial assistance.

Sabina Spiga1, Abu Sebastian2, Damien Querlioz3 and

Bipin Rajendran4
1
CNR IMM, Agrate Brianza, Italy, 2IBM Research Zurich, Rüschlikon, Switzerland,
3
Centre for Nanoscience and Nanotechnology, Universite Paris-Saclay, Palaiseau, France,
4
Department of Engineering, King’s College London, London, United Kingdom
May 5, 2020
Chapter 1

Role of resistive memory

devices in brain-inspired
computing
Sabina Spiga1, Abu Sebastian2, Damien Querlioz3 and
Bipin Rajendran4
1
CNR IMM, Agrate Brianza, Italy, 2IBM Research Zurich, Rüschlikon, Switzerland,
3
Centre for Nanoscience and Nanotechnology, Universite Paris-Saclay, Palaiseau, France,
4
Department of Engineering, King’s College London, London, United Kingdom

1.1 Introduction
This chapter introduces various types of resistive memory devices (also
named memristive devices) of current interest for brain-inspired computing.
These memristive device technologies include a broad class of two- or three-
terminal devices whose resistance can be modified upon electrical stimuli.
The resistance changes can last for short- or long-time scales, leading to a
volatile or nonvolatile memory effect, respectively. Memristive devices are
based on a large variety of physical mechanisms, such as redox reactions and
ion migration, phase transitions, spin-polarized tunneling, and ferroelectric
polarization. The switching geometry can involve a volume, interfacial, or
confined 1D filamentary regions [1 8].
Although these technologies have been mainly developed as nonvolatile
memory devices for storage applications, recently, they have been receiving
increasing interest for brain-inspired computing, and many exciting develop-
ments are underway in this direction [1,9 23]. Today we are facing a revo-
lution driven by the increasing amount of data generated each day, which
need to be stored, classified, and processed, leading to the paradigm of data-
centric-computing. On the other hand current computing systems are inher-
ently limited in energy efficiency and data bandwidth by the physically sepa-
rated memory and processing units (von Neumann bottleneck), as well as by
the latency mismatch between the memory and processing units (memory
wall) [9,10,13]. Memristive devices have the potential to meet the consider-
able demand for new devices that enable energy-efficient and area-efficient

Memristive Devices for Brain-Inspired Computing. DOI: https://doi.org/10.1016/B978-0-08-102782-0.00001-0

© 2020 Elsevier Ltd. All rights reserved. 3
Visit https://textbookfull.com
now to explore a rich
collection of eBooks, textbook
and enjoy exciting offers!
4 PART | I Memristive devices for brain inspired computing

information processing that transcends von Neumann computing. In the fol-

lowing sections we describe the leading memristive technologies and their
current potential for various applications.

1.2 Type of resistive memory devices

Fig. 1.1 shows a classification of the most representative and mature resistive
switching memory technologies (RRAM, PCM, MRAM, and FeRAM) based
on their underlying physical mechanism, location of the switching region,
and their current voltage or resistance voltage behavior.

FIGURE 1.1 (A) Sketch of resistive random access memory (RRAM) devices featuring fila-
mentary (top) and interfacial switching (bottom). The corresponding representative current vol-
tage characteristics are reported on the right, indicating bipolar switching from a high- to low-
resistance state (set) and vice versa (reset). For filamentary systems an initial high-voltage form-
ing is required. (B, Top) Schematic drawing of phase-change memory (PCM) cell in the crystal-
line (LRS) and amorphous state (HRS) of the chalcogenide material. (Bottom) Current voltage
and resistance-programming power characteristics. (C) Ferroelectric random access memory
(FeRAM) and its polarization electric field hysteresis (left), and ferroelectric field effect transis-
tor (FeFET), with corresponding drain current versus gate voltage characteristics (right). (D)
Sketch of a magnetic tunnel junction (MTJ) (top) and evolution of the resistance versus applied
voltage (bottom) for the parallel and antiparallel configurations of the magnetization orientation
of the pinned and free layers. The MTJ is the key element for a magnetic random access mem-
ory (MRAM).
 Role of resistive memory devices in brain-inspired computing Chapter | 1 5

Resistive random access memory (RRAM) shown in Fig. 1.1A is based

on a two-terminal structure where a switching medium is sandwiched among
two electrodes, whose resistance can be switched reversibly among two or
more states by applying external electrical stimuli [1 3,24 28]. Many mate-
rials can be used for the switching medium, including inorganic and organics
ones (transition metal oxides, perovskites, chalcogenides, polymers, etc.),
and the resistive switching process typically involves the creation and rup-
ture of conductive filaments (CF) shorting the two electrodes. These types of
devices are also named filamentary RRAMs, the low-resistance state (LRS)
occurs when a CF bridges the two metal layers (Fig. 1.1A-top), while the
high-resistance state (HRS) is achieved by partial dissolution of the filament.
The devices based on oxygen ion migration effects and subsequent valence
change of the metals in metal oxides are named valence-change memory
(VCM) or anion-based memory, and the resulting CF is formed by a local-
ized concentration of defects. Examples of VCM RRAM are related to mate-
rial systems based on HfOx, TaOx, TiOx, SiOx, WOx, Al2O3, or other
transition metal oxides in combination with TiN, TaN, Ti, Ta, and Pt electro-
des [3,14,26,28]. There is another class of devices where the CF is formed
by the metal ion movement from the active electrode (often Ag or Cu) into
the switching medium, which are named as electrochemical metallization
memory (ECM), cation-based memory, or even Conductive Bridge Random
Access Memories (CBRAM) [4,14,26,27]. These types of RRAMs are fabri-
cated by using an active electrode (Ag, Cu, Co, etc.) in combination with an
inert electrode (TaN, W, Pt, etc.), while the switching medium is based on
solid electrolytes such as GeSe, GeS, AgxS, CuxS, or even oxides such as
SiO2. For filamentary RRAMs, VCM or CBRAM, an initial electroforming
step is necessary to establish the first filament formation; after that forming
step, the cell can be repeatedly switched between the LRS and HRS (cycling
endurance) up to 104 1012 cycles, depending on the materials systems and if
the measurements are done at a single device or array level. RRAM is con-
sidered a nonvolatile memory since the two states can be retained for a long
time (retention) up to many years. Incidentally it is worth noting that similar
device structures, especially ECM, can be further engineered to achieve a
threshold switching behavior suitable for selector application (more details in
Chapter 5, RRAM-Based Coprocessors for Deep Learning) or even short-
term retention to be exploited in spiking neural networks (SNNs, Chapter 17,
Synaptic Realizations Based on Memristive Devices). An additional class of
RRAM relies on uniform interfacial switching (Fig. 1.1A, bottom), in which
the conductance scales with the junction area of the device, and the mecha-
nism is related to a homogenous oxygen ion movement through the oxides
leading to the modulation of the electrode/oxide interfacial Schottky barrier
[2,23 26]. This RRAM type exhibits an analog switching nature, and the
initial electroforming is not necessary. This uniform switching is often
reported in complex oxides and perovskite, such as Bismuth Ferrite
6 PART | I Memristive devices for brain inspired computing

(BiFeO3—BFO) and Praseodymium Calcium manganite (Pr1-xCaxMgO3

PCMO) [2,24]. The class of RRAM devices is extensively discussed in
Chapter 2, Resistive Switching Memories.
Phase-change memory (PCM) as shown in Fig. 1.1B is based on the
reversible phase transitions in chalcogenide glass materials, such as ther-
mally activated amorphous crystalline transitions [29 32]. This class of
materials involves ternary or quaternary chalcogenide glasses that frequently,
but not always, involve Ge, Te, and/or Sb in various compositions following
a Ge Sb Te ternary phase diagram. Ge2Sb2Te5 is the most studied alloy,
often with an additional fourth dopant element such as In and As. The mech-
anism is related to a Joule heating-induced, rapid, and reversible transition
from a highly resistive amorphous phase (HRS) to a relatively high conduc-
tive polycrystalline one (LRS). To switch the PCM cells from the LRS (crys-
talline material) to the HRS (amorphous materials), it is necessary to heat
the materials above the melting point (typically around 600 C), followed by
a rapid quench of the molten phase. The reverse process from HRS to LRS
is achieved by holding the temperature of the chalcogenide materials above
the crystallization temperature (typically around  400 C) for a time long
enough to achieve crystallization. By engineering the materials composition,
it is possible to vary the crystallization and melting point temperature of the
chalcogenide materials so that the PCM cell can be adapted to various appli-
cations. Moreover various cell structures have been proposed, and one criti-
cal aspect is to have a bottom electrode that can confine heat and current.
The material of the bottom electrode, also called the heater, has to be care-
fully chosen to satisfy these requirements. More details can be found in
Chapter 3, Phase-Change Memory, and in a recent book dedicated to PCM
[32]. To summarize, PCM is a nonvolatile device exhibiting stable LRS and
HRS with an endurance of up to 108 109 cycles and by using programming
pulses of the same polarity. Recently PCM and RRAM are shown to control
a multilevel or analog operation, which enables many applications toward in-
memory computing, analog computing and neural networks as described in
the following paragraph and in the Parts II-IV of this book.
Ferroelectric memory (FeRAM) as shown in Fig. 1.1C relies on the polar-
ization switching in a ferroelectric material, such as a perovskite material or
most recently doped-HfO2 and HfZrOx [6,33 37]. Ferroelectric materials are
characterized by two stable polarization states that can be reversibly
switched from one to another by applying an external electrical field larger
than the coercive field EC, that is, the field corresponding to a zero ferroelec-
tric polarization. As shown in Fig. 1.1C-left, the typical characteristic that
can be measured in a ferroelectric material is the hysteresis curve of the
polarization P as a function of the electrical field E. The field-driven switch-
ing mechanism of two stable polarization states has been exploited for non-
volatile memories in capacitor-based FeRAM or ferroelectric field effect
transistor (FeFET). Capacitor-based FeRAM relies on a ferroelectric
 Role of resistive memory devices in brain-inspired computing Chapter | 1 7

capacitor, where a ferroelectric layer is sandwiched between two electrodes,

usually fabricated in the back-end-of-line of the CMOS process and with the
bottom electrode connected to the drain selector transistor in the 1T-1C con-
figuration. Other more complex cell structures, still based on capacitor-based
ferroelectric memories, are also proposed, including the use of 3D capacitors.
As a second choice, the ferroelectric material can be implemented as a part
of the gate dielectric of a FeFET [35]. In this option the polarization change
of the material leads to a shift of the I V curve of the transistor that can be
used to determine the state of the ferroelectric polarization in a nondestruc-
tive way. Recently HfO2-based FeFET has gained considerable interest, and
it is currently proposed as a possible key element to implement both a synap-
tic or neuronal functionality (see Chapter 4, Magnetic and Ferroelectric
Memories, for more details) [37,38].
Magnetoresistive random access memories (MRAMs) as shown in
Fig. 1.1D are based on the tunnel magnetoresistance phenomena in a mag-
netic tunnel junction (MTJ) [7,8,39 43]. An MTJ consists of two ferro-
magnetic metal layers (for instance, CoFeB) that sandwich a very thin
(1 2-nm) insulator acting as a tunneling barrier, typically MgO. One of
the two ferromagnetic layers is the reference one with a pinned magnetiza-
tion orientation (pinned layer), whereas the other magnetic layer (free
layer) can be switched between two opposite orientations by applying
voltage pulses of opposite polarity. Depending on whether the ferromag-
netic polarizations of the pinned and free layers are parallel or antiparallel,
the LRS (parallel configuration) and HRS (antiparallel configuration) are
obtained due to the tunnel magnetoresistive effect [40]. Currently various
types of MRAM cells have been developed based on the used switching
mechanisms, for instance, spin transfer torque (STT), voltage-controlled
magnetic anisotropy (VCMA), and spin orbit torque (SOT) [41 43]. Spin
transfer torque MRAM (STT-MRAM) is currently the most established
MRAM technology in terms of CMOS integration and density. In STT-
MRAM, the magnetization direction of the free layer can be switched to
the parallel configuration by a spin-polarized current: conduction electrons
are first spin-polarized by the pinned layer. They then rotate the magnetic
polarization of the free layer due to the conservation of magnetic momen-
tum. Although STT-MRAMs have a larger footprint than PCM and
RRAM, MRAM brings the advantage of a very well-known and consoli-
dated switching mechanism, switching speed (down to ns and ps) and out-
standing endurance ( . 1014).
To summarize, we have described the leading and most mature resistive
switching technologies of current interest for brain-inspired computing. A
comparison, and more details on their properties in term of programming
speed, endurance, cells size, memory windows, control of the multilevel
operation, can be found in many review papers [2,3,9,12 15,18,22], and
they are also discussed in the following chapters and sections of this book.
8 PART | I Memristive devices for brain inspired computing

That being said, it is worth noting that these characteristics are subject to
continuous improvement with the potential for novel outcomes thanks to
intensive research efforts worldwide. Now we introduce the novel applica-
tions beyond storage envisaged for the above-described devices.

1.3 Resistive memory devices for brain-inspired computing

All the resistive switching memories exhibit exciting properties that can be
exploited for novel computation schemes. The capability of these devices to
retain the information for an extended time (years), that is, their nonvolati-
lity, fast switching speed, low switching energy, and cycling switching
endurance are the main characteristics exploited for storage applications
[2,3,6,7,28,29,32]. For instance, STT-MRAM or other MRAMs can be used
to replace the volatile DRAM and SRAM due to their fast switching speed
with the advantage of nonvolatility. Resistive switching memories such as
RRAM, PCM, and FeRAM (partially) can be considered as storage-class
memories (SCM), filling the gap in access time to the information between
FLASH-based storage and DRAM. This addition can help to reduce the
latency associated with accessing data from the memory units.
All these resistive switching technologies exhibit many other appealing
features related to their rich dynamics and to device size and process integra-
tion aspects, which make them very interesting for a broad range of applica-
tions where memory is put at the core of computation, including analog
computing, in-memory logic, near-memory and in-memory computing,
machine learning, neuromorphic computing, and various types of proposed
neural networks [1,9 23,44 49]. As a common feature we can mention the
small footprint of memristive devices since most of these are two-terminal
ones, and because of the switching mechanism that allows their scaling
down to the nanometer scale, low process temperature fabrication (down to
,400 C), compatibility with CMOS integration, stackability on multilayer
to increase the density. All these properties can enable the use of these
devices in complex circuits and systems, and the high device density
decreases the cost of computing systems and is thus an important benefit for
all new types of computing applications that demand a large number of
devices.
One of the proposed computing applications for memristive device is the
in-memory logic, which exploits the nonvolatile binary storage capability of
memristive devices to map Boolean logic states (1 and 0) to the resistance of
the LRS and HRS. Stateful logic can be realized in a memory array and has
been demonstrated for RRAM and STT-MRAM. [50 52] The low switching
energy, fast switching speed, and cycling switching endurance of memristive
Random documents with unrelated
content Scribd suggests to you:
diese Reinigung durch rüttelnde Stöße, welche die Schaukel in eine
kurzatmige, langsame Bewegung versetzen. Auch hier ist es eine
Daumenwelle, deren Daumen die Herde vordrücken und im
Abgleiten gegen ein Widerlager zurückfallen lassen. Es sind
mehrere solche Stoßherde hintereinander bzw. nebeneinander
angeordnet, teils um ausschalten und wechseln zu können, teils
auch, um einen höheren Reinigungsgrad zu erreichen. Ein
eigenartiges Poltern und Stoßen, Knarren und Ächzen erfüllt den
Raum. Doch mag diese Maschine noch so poltern und wichtig
knarren, wir glauben doch auch hier die Stimmen einer längst
vergangenen, verklungenen Zeit zu hören, über deren technische
Errungenschaften die moderne Technik mit Riesenschritten
fortgeschritten ist. Wir glauben es nicht, daß dieser Stoßherd treu
seine Arbeit verrichten kann, sondern, so wenig im »tauben«
Gestein der Grube und der Scheidebank unbeachtete, verschmähte
und verloren gehende Erzadern fehlen, sondern auf die Halde
wandern, so wenig das altertümliche Pochwerk das letzte Körnchen
Erz vom Steine zu lösen vermag, so wenig wird der Stoßherd es
vermögen, das Erz treu und rein in ganzer Menge zu bewahren, den
Weizen von der Spreu zu sondern, hie reines Erz zu halten, dort
reinen Schlamm wegzuspülen.
Drüben an der Halde, wo der ausgewaschene Wäschsand dicht
am Waldrand gestürzt wird und weiß und gelblich, rötlich und
hellgrau zwischen Wiesengrün und Waldesdunkel leuchtet, vermag
man auch ohne Mikroskop kleine silbergraue Schuppen und Spuren
verlorenen Erzes zu finden. Wie viele Tonnen wertvollen Erzes
mögen so durch die unvollkommenen Arbeitsvorgänge im Laufe der
Jahre verloren gehen, Werte, die wir in unserem armen Vaterlande
nicht entbehren können, die unserer Wirtschaft nicht verloren gehen
dürfen. Wirtschaftlich arbeiten und mit der geringsten Kraft die
höchste Leistung, den höchsten Nutzen erzielen, das ist die Aufgabe
der modernen Zeit, das ist der Weg, um uns und unsere Heimat und
Vaterland wieder emporzuheben.
Unten im Schacht vor Ort arbeitet heute der Häuer noch wie vor
Jahrhunderten, indem er das lange Eisen des Bohrers ansetzt
(Abb. 18) und mit geschwungenem Fäustel, langsam drehend, das
Eisen tiefer treibt, bis das mühsam gebohrte Loch für den
Sprengstoff die gehörige Tiefe hat. Wie bald wird da auch der geübte
und fleißige Arm matt, wenn im lang herausgeholten sicheren
Pendelschlag mit dem »Baumelfäustel« das Eisen im zähen Gneis
nur langsam vorrückt. Wieviel Eisen werden stumpf, von denen ein
ganzes Bündel den Häuer auf die Strecke vor Ort begleitet. – Kann
es ein stärkeres Zeugnis für die Abbauwürdigkeit und Ergiebigkeit
der Grube geben, als daß, trotz aller Widrigkeiten der
Wirtschaftslage, der Silberentwertung, trotz Fehlens moderner
wirtschaftlicher Betriebseinrichtungen und maschineller sparsam
arbeitender und höchste Nutzwirkung sichernder Vorkehrungen, daß
trotz der unwirtschaftlichen Arbeit und Aufbereitungsverfahren nach
Urväterweise diese Grube sich noch halten konnte und Ausbeute
gibt bis auf den heutigen Tag? –
 Abb. 18. »Alte Hoffnung Gottes« Kleinvoigtsberg.
Streckenstoß in der vierzehnten Gezeugstraße an der
Christlich Hilfe Stehenden,
sechshundertfünfunddreißig Meter unter Tag.

Im Werk ist ein alter Bergmann, der alte Pönisch (Abb. 19), der
einen besonderen sechsten Sinn hat, mit dem er einen guten
Anbruch »an Silber und an Bleien reich« anscheinend zu wittern
vermag. Er riecht das Erz! In der Unterwelt ist er zu Hause. In den
Tiefen von 600 Meter und mehr unter Tag ist sein nächtliches Reich,
wo er beim schwachen Lichtlein seiner Blende die Erzadern der
Berge spürt und die Pulse der Tiefe fühlt, in denen das Leben der
Grube quillt. Mit seinem faltenreichen grauen Pergamentgesicht
voller Runen, den listigen Augen mit »Silberblick« und der
gedrungenen Gestalt mit hängenden Schultern auf den kurzen
Kurven der kräftigen Beine, gleicht er in seiner verwitterten
Bergmannstracht, mit der Blende am Strick, einem der schlauen
Zwerge der Unterwelt, welche die Schätze hüten, die Menschen bald
narren und necken, bald ihnen zu Reichtum verhelfen. –

»Faltig wird des Bergmanns Miene,

Wenn er ab und zu nicht säuft.«

Das faltenreiche zerknitterte Gesicht des alten Pönisch wäre somit

ein Zeugnis in Pergament für seine besondere Enthaltsamkeit und
Nüchternheit, die sogar das »Ab und Zu« verschmäht! (?) –
So wertvoll solch findiger faltiger Gnom mit seiner Erfahrung und
Witterung sein mag, so mancher schöne Anbruch, der »den Obern
Freude macht«, ihm auch zu verdanken ist, so kann er doch nicht
auf die Dauer die tatkräftige überlegte und nach wissenschaftlichen
Grundsätzen durchgeführte Forschung und auch zu Opfern bereite
Aufschlußarbeiten ersetzen.

»Gib Zubuß, arbeit’, wart’ dein Zeit,

Es kommt Ausbeut, die dich erfreut!«

Das ist der Hoffnungsspruch des echten Bergmannes.

Sollen die Tiefen ihren vollen Reichtum erschließen, dann muß die
modernste Wissenschaft und Technik unter Tage und über Tage ihre
Kräfte entfalten und mit Beharrlichkeit und Treue auf Hoffnung und
Erfüllung bauen, denn »Bergwerk will haben Verstand und eine
getreue Hand!« –
Der Erzwagen, in dem das gewonnene Erz zur Verhüttung nach
den nahen staatlichen Hütten in Halsbrücke geschafft wird, mit
seinem geschlossenen Kasten auf den breiten Rädern, bespannt mit
zwei kräftigen Pferden, hält vor der Tür. (Abb. 20.) Es ist ein
charakteristisches Bild bergmännischer Art. Was dieser Wagen
immer wieder davonträgt, ist in schwerer Arbeit dem heimischen
Boden abgerungen und soll mit dazu dienen, unser Volk aus der
Tiefe heraufzuführen zu Licht und Freiheit. Gegenwärtig werden
nach Angabe der Betriebsleitung wöchentlich zweiundvierzig bis
fünfundvierzig Kilogramm Silber und etwa fünf Doppelzentner Blei
geliefert, wofür ein Gegenwert von 4200 bis 4600 Mark entsteht.

Abb. 19. »Alte Hoffnung Gottes« Kleinvoigtsberg. Der

Häuer Pönisch
Schmerzlich ist es uns, daß doch vielleicht der Tag nicht gar so
fern ist, daß auch diese Schätze der Tiefe, diese Quelle der Kraft
nicht mehr genutzt werden, wenn nicht aus Mangel an Mitteln der
Betrieb zu moderner Wirtschaftlichkeit umgestellt werden kann. Hier
muß mit starken Mitteln eingegriffen und geholfen werden!
Betrachten wir die Leistungen der Grube seit der Aufnahme des
Betriebes im Jahre 1742, so hat sie bis zum Jahresschluß 1920
folgende Ergebnisse gehabt:
177 571,737 Kilogramm Silber
33 364,697 Doppelzentner Blei
64 168,329 Doppelzentner Schwefel seit 1843.
Leider sind in früheren langen Jahren Aufschlußarbeiten und
planvolle Forschungen durch Querschläge unterblieben. Auch in
neuester Zeit wird der wöchentliche Reingewinn von rund 1000 Mark
nur erreicht, indem Aufschlußarbeiten ganz eingestellt und die
dadurch gewonnenen Leute zum Abbau der anstehenden Erze in
Doppelschicht herangezogen werden.

Abb. 20. »Alte Hoffnung Gottes« Kleinvoigtsberg. Erzwagen

 Dieser Abbau ohne Vorsorge für weitere Zukunft, welcher schon in
früheren Jahrhunderten so manche wertvolle Grube viel zu früh zum
Erliegen brachte, droht auch hier der »Alten Hoffnung Gottes«, der
letzten Silbergrube Sachsens Verderben zu bringen, wenn nicht
rechtzeitig eingegriffen und mit starker Hand eine neue Entwicklung
nach oben geschaffen wird.
Die jetzigen sofort greifbaren und nachweisbaren Abbauvorräte
reichen nach der Schätzung der Betriebsleitung bei normalem
Betriebe für zwölf Jahre. Bei verstärktem Doppelschichtenbetrieb
werden die Bestände in sechs Jahren erschöpft sein, wenn nicht
inzwischen durch Aufschlußarbeiten die durch die Jahrhunderte treu
gebliebene bewährte »Alte Hoffnung« auf neue Anbrüche sich
wieder bestätigt und neue Erzmengen bringt.
Es ist widersinnig und schwer verständlich, daß die staatlichen
Hüttenwerke von Halsbrücke und Muldenhütten auf einem Grunde,
in einem Erzbezirke stehen, in dem noch ungeheure Erzmengen
schlummern, deren Abbau und Aufbereitung unter Anwendung
moderner Verfahren sich wohl lohnen und für unser Vaterland
wichtig sein würde, widersinnig, daß diese Hütten fast nur
ausländische Erze verhütten müssen, deren große Transportkosten
die Erzeugnisse der Hütten ausländischem Wettbewerbe gegenüber
verteuern, und daß nicht mit starker Faust und Wagemut das
deutsche Erz aus dem deutschen Boden geholt wird. Ist es nicht ein
Widersinn, daß nur ein einziges kleines Privatwerk, die »Alte
Hoffnung Gottes« zu Kleinvoigtsberg noch heimisches Erz an die
staatlichen Hüttenwerke liefert und bestehen kann, während in den
staatlichen Gruben bereits vor zwölf Jahren die letzte Schicht
verfahren ist?
Freilich würden bei einer durchgreifenden Modernisierung dieser
letzten Grube und Durchführung der Elektrisierung z. B. im
Bohrbetrieb die zurzeit anstehenden Massen bereits in zwei Jahren
abgebaut sein.
Das Erforschen und Erschließen neuer Abbaumöglichkeiten
müßte sofort beginnen, um nach zwei Jahren etwa den Betrieb ohne
Unterbrechung und mit neuen Erzreserven ungestört weiterführen zu
können.
Die Zukunft des Werkes, wie überhaupt des Freiberger
Bergbaues, liegt in den Aufschlüssen nach der Tiefe und dem
Aufmachen neuer Grubenfelder.
Für die Modernisierung und neue Aufschlußarbeiten des Werkes
sind nach Schätzung der Betriebsleitung etwa 350 000 Mark
erforderlich. Da diese Summen vom Werke nicht aufzubringen sind,
kann nur ein größeres Darlehen der Regierung oder von anderer
kapitalkräftiger Seite hier Hilfe bringen, zur Erhaltung und Stärkung
des letzten lebenden Zeugen einer großen Vergangenheit und zur
Erlösung der Schätze der Tiefe aus dunkler Haft zum Segen der
Heimat.
Wenn dies der erste Schritt zur Wiederaufnahme des Freiberger
Bergbaues auch auf den hoffnungsreichen, still gelegten
Grubenfeldern des Staates sein würde, so würde ein Segen dem
Erzboden entspringen für Volk und Land wie einst in alter Zeit!
In früheren Jahrhunderten hat manchmal in den Gruben der
Betrieb geruht und ist dann wieder aufgeblüht und hat immer wieder
das ganze Land gesegnet. Unsere neuen Zielen entgegenstrebende,
auf neuen Wegen aufwärtssteigende Zeit darf hier, wo soviel
Hoffnungskeime tief im Grunde schlummern, nicht verzagen,
sondern muß tatkräftig schaffen und neues Leben erblühen lassen.
Die älteste Industrie Sachsens, der Erzbergbau, ist immer noch
berufen, dem Sachsenlande Werte zu bringen. Mögen die Regierung
und alle, die es angeht, zusammen dazu helfen, daß diese Werte
nicht tot und begraben bleiben, sondern daß sie zu frischem Leben
erwachen.
Heimatschutz ist es, wenn die Zeugen alter Kultur erhalten und in
ihrer Eigenart den Herzen nähergebracht werden;
Heimatschutzarbeit ist es aber auch, wenn neue Kraft und frischer
Arbeitsgeist und Freudigkeit ihnen zugeführt wird und sie verjüngt
werden zu rüstigen Arbeitern und starken Helfern am Wohle und an
einer hellen Zukunft des Vaterlandes und der engeren Heimat. Möge
die Erhaltung und Ausgestaltung der »Alten Hoffnung Gottes« zu
Kleinvoigtsberg, des letzten Zeugen alter Freiberger Bergherrlichkeit,
eine derartige Heimatschutzaufgabe für das ganze Sachsenland
werden, ein erster, mutiger, hoffnungsstarker Schritt zur
Wiederaufnahme und Wiedererweckung des Freiberger Bergbaues!

Versuch dein Heyl,

Häng Küb’l und Seil!
Glückauf!
 Die Streitlinde bei Königsfeld
Von Albert Gruhle, Rochlitz
Aufnahmen Hans Mitzscherlich, Rochlitz

Starker Sturm, der in der Nacht vom 9. zum 10. Februar dieses
Jahres wütete, hat einem altehrwürdigen Naturdenkmale der
Rochlitzer Gegend, der fünfhundertjährigen Streitlinde, argen
Schaden zugefügt. Einer der breit ausladenden, weit über zehn
Meter langen Äste, wurde von dem Hauptstamme losgetrennt und
liegt nun, wie unsere Abbildungen zeigen, auf dem Boden. Nur an
einer Stelle besteht noch etwas Zusammenhang zwischen Stamm
und Ast.
Die Nachricht von dieser Zerstörung fand in der Bevölkerung
allseitiges Interesse, und so lenkten viele ihre Schritte nach
Königsfeld, um den beschädigten Baum aufzusuchen. Mancher hat
auf diese Weise das erstemal von der Streitlinde gehört und sie
gesehen, obwohl sie einen Hauptbestandteil des Landschaftsbildes
ausmacht.
Wie und wann der Baum zu seinem Namen gekommen ist, läßt
sich nicht nachweisen. Da die Linde im Grenzgebiet zwischen
Königsfeld und Köttwitzsch steht, hat sie wahrscheinlich ihren
Namen von einem alten Grenzstreit. Der Sage nach sollen sich dort
zwei adlige Brüder bekämpft haben.
Willst du, geneigter Leser, den Baum aufsuchen, so wirst du ihn,
sobald die Staatsstraße Rochlitz–Geithain die Königsfelder Höhe
erreicht hat, links von dem Vorwerk »Heide« erblicken. Mit seiner
mächtigen Krone macht er aus der Ferne einen stattlichen Eindruck,
obwohl er eigentlich keinen entwickelten Baum darstellt. Der Stamm
ist höchstens zwei Meter hoch. Offenbar ist die Linde in ihrer Jugend
geköpft worden und hat nun die eigentümliche, wagerecht
ausladende Astbildung aufzuweisen. Die Hauptäste zeigen zum Teil
den Umfang von kräftigen Baumstämmen. Den Aufnahmen sieht es
wohl niemand an, daß der untere Teil des Stammes einen Umfang
von sieben Meter und siebzig Zentimeter hat. Es scheint so, als ob in
früheren Zeiten auf den Ästen ein gelegentlicher Aufenthaltsort für
Menschen gewesen sei. Wenn man den Erzählungen eines
Landwirts aus dem nahen Köttwitzsch Glauben schenken darf, so
soll unter der Streitlinde einst der Rittergutsherr seinen Frönern ein
Fest gegeben haben als Dank dafür, daß sie ihm die Ernte gut
haben einbringen helfen, ehe langandauerndes Regenwetter
einsetzte.

Abb. 1. Die Streitlinde. Von Norden aus gesehen

So ist der Baum gewiß ab und zu der Schauplatz manch einer

Dorffestlichkeit gewesen, wenn er auch nicht in der Dorfmitte stand.
Was mag er in den fünfhundert Jahren alles erlebt haben! Im
Schmalkaldischen Kriege wurde bei Rochlitz ein Treffen geliefert, in
dem Kurfürst Johann Friedrich gegen Markgraf Albrecht von
Brandenburg kämpfte und diesen trotz seiner siebentausend Mann
starken Heeresmacht besiegte. Kaiserliche, Schweden und
Kurfürstliche mögen im Dreißigjährigen Kriege oft an unserer Linde
vorübergezogen sein, um das Schloß Rochlitz zu besetzen oder die
Besatzung zu befreien. Im Siebenjährigen Kriege sah der Baum
Preußen und Österreicher vorüberziehen. 1812 lagerten in ihrer
Umgebung Franzosen, Bayern und Italiener, die sich auf dem Wege
nach Rußland befanden. Wer zählt die ungeheuren Scharen, die im
Jahre 1813 von Napoleon und von den Verbündeten hier
vorübergeführt wurden! Oft drang dann nach 1870 der helle Klang
der Feldtrompeten der 18er Ulanen vom nahen Exerzierplatz in
Königsfeld zu unserem Baume herüber.
Daß dieser nicht das Opfer menschlicher Zerstörung,
insbesondere der rohen Soldateska geworden ist, hat er sicher
seinem etwas abseits von der Verkehrsstraße gelegenen Standorte
zu verdanken. Von der Straße aus ist die Linde durch eine
Bodenwelle verdeckt. Ein schmaler Feldrain, nur für Kundige
auffindbar, führt nach ihr hin.
Der Eindruck, den man von Norden her empfängt (Abb. 1), ist
noch nicht so trostlos. Wesentlich trauriger mutet der Anblick von
Süden aus an. (Abb. 2.) Die Aufnahmen von Westen und Osten
(Abb. 3 und 4) zeigen mit erschreckender Deutlichkeit den Verfall
unseres Naturdenkmals.
 Abb. 2. Die Streitlinde. Von Süden aus gesehen

Ist dieses überhaupt noch zu retten und was ist zu seiner

Erhaltung zu tun? Diese Fragen veranlaßten den Verfasser dieses,
an den Vorstand des Landesvereins »Sächsischer Heimatschutz« zu
berichten und um Abordnung eines Baumsachverständigen zu
bitten. Der Besitzer der Streitlinde, Herr Graf zu Münster, hatte sich
in liebenswürdigster Weise bereit erklärt, alles zur Erhaltung
derselben zu tun. Am 27. Februar hatte Herr Obergartendirektor
Hofrat Bouché die Güte, in Gemeinschaft des Besitzers und des
Vertrauensmannes sich an Ort und Stelle von der Beschaffenheit
des Baumes zu überzeugen.
 Abb. 3. Die Streitlinde. Von Westen aus gesehen

Dem Gutachten möge folgendes entnommen werden: Leider ist

der Verfall schon sehr weit vorgeschritten. Die früheren Besitzer des
Rittergutes Königsfeld haben offenbar nicht das lebhafte Interesse
für Heimatschutz gehabt, wie es der jetzige Eigentümer in
hervorragender Weise bekundet. Der Stamm ist bis weit hinauf hohl,
hat viele Löcher und morsche Stellen; das gleiche gilt auch von den
Hauptästen. Ein Hochwinden des abgebrochenen Astes in seine
frühere Lage ist unmöglich, da der Stamm – wie erwähnt – hohl und
wenig widerstandsfähig ist und keinen Gegenhalt bieten kann. Jetzt
stützt sich der herabgebrochene Teil auf einige in den Erdboden
eingespießte Äste. Es soll nun versucht werden, ihn an mehreren
Stellen zu untermauern. Die Astlöcher will man durch eine mit
Zement überputzte Drahtwand verschließen, nachdem die
Höhlungen vorher ausgekratzt und mit Teer ausgestrichen worden
sind. Beim Beseitigen des Mulms im Inneren des Stammes muß
sehr vorsichtig verfahren werden, daß die aus den oberen Ästen
herausgewachsenen Ademtixwurzeln nicht beschädigt werden. Sie
führen diesen aus dem Bauminnern die Nahrung zu. Die noch
unversehrten Äste sollen auch Stützen erhalten, um einem
Abbrechen vorzubeugen.

Abb. 4. Die Streitlinde. Von Osten aus gesehen

Soweit die hauptsächlichsten Ratschläge zur Erhaltung des

Baumes. Hoffentlich sind die Maßnahmen mit Erfolg gekrönt.
Allerdings, die frühere Schönheit des Baumes ist für immer dahin.
Man wird froh sein müssen, wenn der Eindruck auf Abbildung 1 in
Zukunft erhalten bleibt. Eine Mahnung an alle Naturfreunde, schon
beizeiten zur Erhaltung der Naturdenkmäler beizutragen, ehe es zu
spät ist.
Möge der altehrwürdige Baum noch viele Jahre hinaus dauern zur
Freude des sinnenden Wanderers!
Vielleicht sieht sich mancher Leser der »Mitteilungen« durch diese
Zeilen veranlaßt, seine Schritte einmal in die Rochlitzer Pflege zu
lenken und unsern Schützling an Ort und Stelle aufzusuchen. Bietet
er auch den Anblick eines alternden Greises, so erfüllt uns doch
Achtung vor dem ehrwürdigen Alter der Streitlinde. Über der Mulde
drüben kannst du dafür den herzerfreuenden Anblick eines
kraftstrotzenden Baumes haben, der Zettlitzer Eiche, die seit 1914
unter Naturschutz steht.
 Die »nackten Jungfern«
Von Albert Ficker, Harthau
Alljährlich, wenn die Schneeschmelze vorüber, lockt es mich zu
einem Naturdenkmal, das weit und breit nicht seinesgleichen hat.
Die »nackten Jungfern« Drebachs haben es mir angetan. Die
beiden Hänge des Drebacher Tales sind übersät mit lilaen
Krokusblumen. Wer das erstemal diese vielen Tausende des
Frühlingssafran, Crocus vernus, erblickt, ist erstaunt von der Pracht,
die sich seinen Augen enthüllt. »Nackte Jungfern« nennt sie der
Volksmund, weil zuerst nur die Blüte ohne jedes Blatt zum Vorschein
aus dem nackten Boden kommt, der noch keinerlei Grün zeigt.
Drebach verdankt diese Seltenheit dem medizinkundigen Pfarrer
David Rebentrost. Außer der Verwaltung seines geistlichen Amtes
befaßte sich dieser Herr noch mit der Heilkunde, hatte er doch
neben der Theologie auch Medizin studiert. In Joachimstal war er
sogar einige Zeit Stadtarzt gewesen. Sein Laboratorium mußte er
auf Anraten der Superintendentur, bei welcher 1673 anläßlich einer
Kirchenvisitation Beschwerden über das Treiben des Pfarrers
einliefen, verlegen. Er kaufte sich eine wüste Stätte und erbaute dort
das heutige »Pfarrgut«. Hier richtete er sein Laboratorium ein und
konnte nun dort seinen medizinischen Studien obliegen.
Er ist es gewesen, der die Krokusblume nach Drebach verpflanzt
hat.
Auf der Heinzebank traf einst der Pfarrer Rebentrost den
sächsischen Kurfürsten, dessen Pferd einen Beinschaden hatte.
Diesen beseitigte er. Für seine Hilfe durfte er sich aus dem Garten
des Kurfürsten in Dresden drei Pflanzen erbitten. Rebentrost wählte
die Krokusblume, die doldige Vogelmilch (Ornithogalum umbellatum)
und die Eibe (Taxus baccata). Auf seinem Gute wurden diese
eingepflanzt und legen noch heute Zeugnis davon ab.
 Die jahrhundertealte Eibe, im Volksmunde Zedernbaum genannt,
ragt aus dem Hofe des Pfarrgutes, und auf der Wiese blühen Jahr
um Jahr die Krokusse und die doldige Vogelmilch, welche im
Erzgebirge selten ist.
Von hier aus haben sich die Krokusse dann über beide Hänge des
Tales verbreitet, und mir erscheint, daß sie auf der linken Talseite
viel zahlreicher und dichter vertreten sind als auf der Pfarrgutseite.
Wie aber soll diese Verbreitung stattgefunden haben?
Spricht man mit ortseingesessenen Leuten, so ist die Meinung
verbreitet, daß dies durch die Verbreitung der Samen durch den
Wind geschehen sein müsse.
Es kann jedoch nur auf zweierlei Art und Weise vor sich gegangen
sein. Die Krokusse haben zunächst die Pfarrgutswiese in
Jahrzehnten ganz überwuchert. Die Bauern, an der Pracht dieser
ersten Frühlingsboten erfreut, haben sie dann in ihre Güter
verpflanzt, von wo sie in den vergangenen Jahrhunderten die
umliegenden Flächen überzogen. An einzelnen Stellen kann man
sogar beobachten, wo die ersten Anpflanzungen gewesen sind.
Die andere Möglichkeit: Durch das Eggen wurden Knollen
herausgerissen und verschleppt; Maulwurfshaufen wurden über die
Wiese breitgezogen und damit auch die herausgeworfenen
Krokusknollen; Wassergräben wurden gezogen und das Land über
die Fläche verstreut; das Wasser selbst spülte kleine Zwiebeln mit
heraus und ließ sie bei der Bewässerung auf dem Grasplatze liegen.
Dazu kommt noch, daß sich die Knollen durch zahlreiche Brutknollen
vermehren, die dann an den Seiten der ursprünglichen Pflanzen
emporkeimen.
Ob jedoch das Vieh, welches mit dem Heu die dreifächerige
Kapsel (Frucht) frißt, durch seinen Dünger zur Verbreitung der
Krokusblumen beigetragen hat, ist zweifelhaft, da die Samen gar
nicht reif werden bis zur Heuernte.
Die Verbreitung durch den Wind scheidet aber vollständig aus. Sie
ist eine irrige Annahme, da die Samen keinerlei Einrichtungen für die
Windverbreitung haben.
 Hunderte strömen alljährlich nach Drebach, um sich an diesem
Frühlingswunder zu erfreuen.
Daß aber diese Krokusse nirgends anders gedeihen, wie von
Ortseinwohnern versichert wird, ist ebenfalls nicht zutreffend, was
einzelne Versuche bereits widerlegen.
Wenn auch nicht die Gefahr besteht, daß die Krokusse durch
Pflücken ausgerottet werden könnten, hat sich doch der dortige
Erzgebirgszweigverein des Schutzes dieses Naturdenkmals
angenommen. Besonders die Eibe und die doldige Vogelmilch,
welche beide im östlichen Erzgebirge sehr selten sind, bedürfen der
Erhaltung.
Wer aber Zeit finden kann, der pilgere an einem sonnigen
Frühlings- oder Ostertag nach Drebach im Erzgebirge und weide
sich an dem lilaen Teppich der »nackten Jungfern«.
 Botanisches vom Krokus,
insbesondere den Drebacher
»nackten Jungfern«
Von Prof. Dr. Arno Naumann, Pillnitz
Mit Originalzeichnung des Verfassers und photographischen Aufnahmen des
Herrn Joseph Ostermaier, Blasewitz

Die meisten Besucher Drebachs finden das holde

Frühlingswunder der Krokusblüte so entzückend, daß sie sich gar
nicht die Mühe nehmen, an einem zum Kauf angebotenen
Sträußchen die Einzelblüte in ihrem reizvollen Bau zu betrachten.
Wir haben eben gar keine Zeit mehr zu »beschaulichen
Betrachtungen«, und müssen uns vor lauter Sorge um nötige Pflicht
und lastende Not mit dem äußeren Schein der Dinge begnügen.
Einige Minuten aber wollen wir uns gönnen, um uns in die
Blütengeheimnisse der Krokussippe versenken zu können. Da gibt
es allerhand, von dem uns unsere Schulweisheit nichts träumen läßt.
Lange schon war die Blüte im Schoße der winterlichen Erde
vorgebildet; schützend lag sie in der Spitze der Erneuerungsknolle
geborgen. Es bedurfte nur einer Erwärmung der vom
Schmelzwasser durchfeuchteten Erde, um die bereits fertigen
Blütenknospen durch den erweichten Boden emporzuheben. Der
vorher kurze Blütenstiel streckt sich durch sein von der Wärme
angeregtes Längenwachstum und bringt die Blüte, gleichsam über
Nacht, ans Licht. Die Sonne kleidet sie in das reizende Lila und küßt
die Knospe wach, so daß die sechs zu einer dunkelvioletten Röhre
verwachsenen Blütenhüllblätter – der Botaniker nennt sie Perigon –
sich tulpenartig auseinanderspreizen. Wenn aber eine dunkle Wolke
die Sonne längere Zeit verhüllt, ein verspäteter Schneesturm über
die Wiesen jagt, oder sich der kühle Lenzabend herniedersenkt,
schließen sich die Blüten wie in frostigem Schauer. Und doch