Величко
Андрей Александрович

• 1999 г. - Федеральное государственное бюджетное образовательное учреждение высшего образования "Петрозаводский государственный университет", направление "Физика", квалификация "Магистр физики"

• Оксиды переходных металлов
• Эффект переключения
• Электронные компоненты
• Фазовый переход металл-изолятор
• Нейронные сети
• Алгоритмы искусственных нейронных сетей

• Проект Российского научного фонда, №16-19-00135 "Новые нейросетевые технологии ассоциативной памяти и распознавания образов в системе взаимодействующих осцилляторов на базе переключательных структур оксидов переходных металлов" (26.01.2016 – 31.12.2018)

• 2019 г. - Организационно-педагогическое сопровождение группы (курса) обучающихся по программам высшего образования (36 часов)
• 2019 г. - Информационно-образовательная среда образовательной организации высшего образования (18 часов)
• 2013 г. - Система сбора данных и управления (72 часа)
• 2009 г. - Современные проблемы воспитательной деятельности в вузе (72 часа)

1. Открытие нового направления исследования осцилляторных нейронных сетей и разработка нового семейства метрик оценки синхронизации. Преимуществом подобных сетей является перспектива их реализации на аналоговой компонентой базе, с использованием самых различных физических осцилляторов, в том числе электрических, магнитных (спиновых), биологических и др. природы, с минимальной потребностью в компьютерных вычислениях на этапе сопряжения интерфейсов. Результат достигается за счет фундаментального эффекта синхронизации высокого порядка, который позволяет увеличить число возможных состояний синхронизаций одного нейрона, реализуя мультиуровневый нейрон с повышенной функциональностью. Подробнее
2. На основе комплекса экспериментальных и теоретических исследований установлены и обоснованы физические механизмы биполярного переключения с памятью металлооксидных гетероструктур, которые состоят в электронных неустойчивостях, развиваемых при ионном транспорте кислорода, и сопряженным с ним отклонением состава оксидного вещества от стехиометрического.
3. Показано, что в основе эффекта униполярного резистивного переключения с памятью в МОМ-структурах на основе указанных оксидов лежат эффекты локального восстановления типа эффекта Соре, приводящие к образованию наноразмерного проводящего канала в анодных оксидах Nb, Ta и Zr, и электромиграции при высоких плотностях тока, приводящей к разрыву проводящего канала.
4. Посредством численного моделирования функциональной вольтамперной характеристики переключательных структур с учетом температурной зависимости подвижности, характерной для переноса поляронов малого (сверхмалого) радиуса, определена критическая концентрация носителей в канале переключателя в широком температурном диапазоне, соответствующая теоретической в рамках модели ПМИ типа перехода Мотта.
5. Установлено, что электронный фазовый переход «металл – изолятор» в диоксиде ванадия имеет размерное ограничение: он исчезает при достижении характерного размера 10 нм, что соответствует оценкам корреляционной длины в теории моттовского фазового перехода и указывает на перспективность направления наноразмерного масштабирования компонентов оксидной электроники.
6. Показано, что составом, атомной структурой и связанными с ними свойствами аморфных пленок оксидов ванадия можно управлять посредством лазерного и электронно-лучевого воздействия, приводящих к изменению ближнего порядка и изменению концентрации дефектов нестехиометрии типа кислородных вакансий. Обнаруженные эффекты могут быть положены в основу новых технологических методов нанолитографии и создания сенсорных устройств, в том числе элементов электрического переключения с памятью.

• Почетная грамота г. Петрозаводска (2020)

Статьи (50)

• Heidari, H., Velichko, A., Murugappan, M. et al. Novel techniques for improving NNetEn entropy calculation for short and noisy time series. Nonlinear Dyn (2023). https://doi.org/10.1007/s11071-023-08298-w (Scopus)
• Huyut M.T. Detection of risk predictors of covid-19 mortality with classifier machine learning models operated with routine laboratory biomarkers [Text] / M.T. Huyut, А.А. Величко, М.А. Беляев // Applied sciences. - Швейцария, 2022. - vol.12, №.23. - P.1-26. - URL: https://www.mdpi.com/2076-3417/12/23/12180. - ISSN 2076-3417. (Scopus)
• Величко А.А. Entropy approximation by machine learning regression: application for irregularity evaluation of images in remote sensing [Text] / А.А. Величко, М.А. Беляев, M.. Wagner, A.. Taravat // Remote sensing. - Швейцария, 2022. - vol.14, №.23. - P.1-25. - URL: https://doi.org/10.3390/rs14235983. - ISSN 2072-4292. (Scopus)
• Huyut, M.T.; Velichko, A. Diagnosis and Prognosis of COVID-19 Disease Using Routine Blood Values and LogNNet Neural Network. Sensors 2022, 22, 4820. https://doi.org/10.3390/s22134820 (Web of Science, Scopus)
• Velichko A.A. Machine learning sensors for diagnosis of covid-19 disease using routine blood values for internet of things application [Text] / A.A. Velichko, M.T. Huyut, M.A. Belyaev, Yu.A. Izotov, D.Zh. Korzun // Sensors. - Швейцария, 2022. - vol.22. - P.1-30. - URL: https://www.mdpi.com/1424-8220/22/20/7886. - ISSN 1424-8220. (Web of Science, Scopus)
• Oludehinwa, IA Dynamical Complexity Response in Traveling Ionospheric Disturbances Across Eastern Africa Sector During Geomagnetic Storms Using Neural Network Entropy [Electronic resource] / Oludehinwa, IA; Velichko, A; Ogunsua, BO; Olusola, OI; Odeyemi, OO; Njah, AN; Ologun, OT // JGR: Space Physics. - USA, 2022. - vol.127, N9. - P.1-27. - ISSN 2169-9402. (Web of Science, Scopus)
• Velichko, A.; Wagner, M.P.; Taravat, A.; Hobbs, B.; Ord, A. NNetEn2D: Two-Dimensional Neural Network Entropy in Remote Sensing Imagery and Geophysical Mapping. Remote Sens. 2022, 14, 2166. https://doi.org/10.3390/rs14092166 (Scopus, Web of Science)
• Boriskov P.P. Bifurcation and entropy analysis of a chaotic spike oscillator circuit based on the s-switch [Text] / P.P. Boriskov, A.A. Velichko, N.A. Shilovskiy, M.A. Belyaev // Entropy. - Швейцария, 2022. - vol.24, №.1693. - P.1-15. (Web of Science)
• Velichko, A.; Heidari, H. A Method for Estimating the Entropy of Time Series Using Artificial Neural Networks. Entropy 2021, 23, 1432. https://doi.org/10.3390/e23111432 (Scopus, Web of Science)
• Величко, А.А. A Method for Medical Data Analysis Using the LogNNet for Clinical Decision Support Systems and Edge Computing in Healthcare [Electronic resource] / А.А. Величко // Sensors. - Switzerland, 2021. - vol.18. - P.1-21. - URL: https://www.mdpi.com/1424-8220/21/18/6209. (Scopus, Web of Science)
• Показать все публикации "Статья" (50)

Доклад / статья в материалах (трудах) конференций, симпозиумов и т.п. (9)

Тезисы докладов/сообщений конференций (7)

Заключительный / промежуточный отчет о НИР/НИОКР (1)