論文の概要: Building Reservoir Computing Hardware Using Low Energy-Barrier Magnetics

• arxiv url: http://arxiv.org/abs/2007.02766v1
• Date: Mon, 6 Jul 2020 14:11:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 02:26:12.351012
• Title: Building Reservoir Computing Hardware Using Low Energy-Barrier Magnetics
• Title（参考訳）: 低エネルギーバリアー磁気を用いた貯留層計算ハードウェアの構築
• Authors: Samiran Ganguly, Avik W. Ghosh
• Abstract要約: 貯水池コンピュータのような生物学的に繰り返されるニューラルネットワークは、単純な学習方式とカルマンフィルタとの深い接続により、ハードウェアの観点から興味深い。 このようなデバイスを用いた貯水池コンピュータのコンパクトな実装は、エッジデバイスにおけるスタンドアロンまたは直感的なマシン認識のためのコンパクトでエネルギー効率のよい信号プロセッサの構築を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biologically inspired recurrent neural networks, such as reservoir computers are of interest in designing spatio-temporal data processors from a hardware point of view due to the simple learning scheme and deep connections to Kalman filters. In this work we discuss using in-depth simulation studies a way to construct hardware reservoir computers using an analog stochastic neuron cell built from a low energy-barrier magnet based magnetic tunnel junction and a few transistors. This allows us to implement a physical embodiment of the mathematical model of reservoir computers. Compact implementation of reservoir computers using such devices may enable building compact, energy-efficient signal processors for standalone or in-situ machine cognition in edge devices.
• Abstract（参考訳）: 生物にインスパイアされたリカレントニューラルネットワーク、例えば貯水池コンピュータは、単純な学習方式とカルマンフィルタとの深い接続のため、ハードウェアの観点から時空間データプロセッサを設計することに関心がある。 本研究では,低エネルギーバリア磁石を用いた磁気トンネル接合と数個のトランジスタから構築したアナログ確率ニューロンを用いて,ハードウェア・サイバリング・コンピュータを構築する方法の詳細なシミュレーションを用いて検討する。 これにより、貯水池コンピュータの数学的モデルの物理的具体化を実現することができる。 このような装置を用いたリザーバコンピュータのコンパクトな実装は、エッジデバイスにおけるスタンドアロンまたはその場機械認識のための、コンパクトでエネルギー効率の良い信号プロセッサを構築することができる。

関連論文リスト

• Hybrid Magnonic Reservoir Computing [0.0]
  我々は貯水池コンピュータとしてAuto-Oscillation Ringを使用するための確立した設計を構築した。 これらの設計は,従来の高密度ニューラルネットワークよりも多種多様な実世界のデータセットで実行可能であることを示す。
  論文  参考訳（メタデータ） (2024-04-25T18:21:43Z)
• Single Neuromorphic Memristor closely Emulates Multiple Synaptic Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
  我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。 これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
  論文  参考訳（メタデータ） (2024-02-26T15:01:54Z)
• Deep Photonic Reservoir Computer for Speech Recognition [49.1574468325115]
  音声認識は人工知能の分野で重要な課題であり、目覚ましい進歩を目撃してきた。 深い貯水池コンピューティングはエネルギー効率が高いが、よりリソース集約的な機械学習アルゴリズムと比較して、パフォーマンスに制限がある。 フォトニック方式の深層貯水池コンピュータを提案し,その性能を音声認識タスクで評価する。
  論文  参考訳（メタデータ） (2023-12-11T17:43:58Z)
• Harnessing Synthetic Active Particles for Physical Reservoir Computing [0.0]
  貯留層計算(Reservoir computing)は、ノードのネットワークをフェージングメモリで刺激し、計算と複雑な予測を可能にする技術である。 ここでは, 能動および受動成分から自然にノイズの多い非線形力学単位へ自己組織する, 合成能動マイクロ粒子システムによる物理貯水池計算を実証する。 本研究は, 自己組織型能動粒子系における情報処理の研究の道を開くものである。
  論文  参考訳（メタデータ） (2023-07-27T17:08:53Z)
• Mapping and Validating a Point Neuron Model on Intel's Neuromorphic Hardware Loihi [77.34726150561087]
  インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。 Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。 Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
  論文  参考訳（メタデータ） (2021-09-22T16:52:51Z)
• Reservoir Computing with Magnetic Thin Films [35.32223849309764]
  新しい非伝統的なコンピューティングハードウェアは、自然現象を利用して効率を上げる可能性を秘めている。 物理貯水池計算は、様々な非伝統的なシステムでこれを実証している。 マイクロスケールシミュレーションにより薄膜の3つの磁性体を初期探査する。
  論文  参考訳（メタデータ） (2021-01-29T17:37:17Z)
• Reservoir Memory Machines as Neural Computers [70.5993855765376]
  微分可能なニューラルネットワークは、干渉することなく明示的なメモリで人工ニューラルネットワークを拡張する。 我々は、非常に効率的に訓練できるモデルを用いて、微分可能なニューラルネットワークの計算能力を実現する。
  論文  参考訳（メタデータ） (2020-09-14T12:01:30Z)
• The Computational Capacity of LRC, Memristive and Hybrid Reservoirs [1.657441317977376]
  貯留層計算(Reservoir computing)は、高次元力学系(enmphreservoir)を用いて時系列データを近似し予測する機械学習パラダイムである。 本稿では, 線形素子(抵抗素子, インダクタ, コンデンサ)と非線形メモリ素子(メムリスタ)の両方を含む電子貯水池の実現可能性と最適設計について分析する。 我々の電子貯水池は、従来の「エコステートネットワーク」貯水池の性能と直接ハードウェアで実装される形で一致または超過することができる。
  論文  参考訳（メタデータ） (2020-08-31T21:24:45Z)
• Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
  スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。 スパイキングニューラルネットワークのハードウェア実装の現状について述べる。 本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
  論文  参考訳（メタデータ） (2020-05-04T13:24:00Z)
• Reservoir Computing with Planar Nanomagnet Arrays [58.40902139823252]
  プラナーナノマグネット貯水池は、専用ニューロモルフィックハードウェアの需要が増大する中で、期待できる新しいソリューションである。 プラナーナノマグネット貯水池は、専用ニューロモルフィックハードウェアの需要が増大する中で、期待できる新しいソリューションである。
  論文  参考訳（メタデータ） (2020-03-24T16:25:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。