論文の概要: A superconducting nanowire spiking element for neural networks
- arxiv url: http://arxiv.org/abs/2007.15101v1
- Date: Wed, 29 Jul 2020 20:48:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 20:35:45.417466
- Title: A superconducting nanowire spiking element for neural networks
- Title（参考訳）: ニューラルネットワーク用超伝導ナノワイヤスパイク素子
- Authors: Emily Toomey, Ken Segall, Matteo Castellani, Marco Colangelo, Nancy
Lynch, and Karl K. Berggren
- Abstract要約: 大規模ニューラルネットワークの成功の鍵は、スケーラブルで、従来の制御エレクトロニクスと簡単に接続できる、電力効率のよいスパイク要素である。
10aJの順にパルスエネルギーを持つ超伝導ナノワイヤからなるスパイク素子を提案する。
本装置は、屈折周期や発射閾値などの生体ニューロンの本質的特性を再現することを示した。
- 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: As the limits of traditional von Neumann computing come into view, the
brain's ability to communicate vast quantities of information using low-power
spikes has become an increasing source of inspiration for alternative
architectures. Key to the success of these largescale neural networks is a
power-efficient spiking element that is scalable and easily interfaced with
traditional control electronics. In this work, we present a spiking element
fabricated from superconducting nanowires that has pulse energies on the order
of ~10 aJ. We demonstrate that the device reproduces essential characteristics
of biological neurons, such as a refractory period and a firing threshold.
Through simulations using experimentally measured device parameters, we show
how nanowire-based networks may be used for inference in image recognition, and
that the probabilistic nature of nanowire switching may be exploited for
modeling biological processes and for applications that rely on stochasticity.
- Abstract（参考訳）: 従来のvon neumannコンピューティングの限界が見えてくるにつれ、低消費電力スパイクを使って大量の情報を伝える脳の能力は、代替アーキテクチャのインスピレーションの源となっている。
これらの大規模ニューラルネットワークの成功の鍵は、スケーラブルで、従来の制御エレクトロニクスと容易に接続できる、電力効率のよいスパイク要素である。
本研究では,10aJ程度のパルスエネルギーを有する超伝導ナノワイヤから作製したスパイキング素子について述べる。
本装置は、屈折周期や発射閾値などの生体ニューロンの本質的特性を再現することを示した。
デバイスパラメータを実験的に測定したシミュレーションにより,ナノワイヤベースのネットワークが画像認識における推論にどのように使われるかを示し,ナノワイヤスイッチングの確率的性質は生物過程のモデル化や確率性に依存する応用に活用できることを示した。
関連論文リスト
- Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。
本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文 参考訳（メタデータ） (2024-09-17T04:48:45Z) - 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) - Pattern recognition using spiking antiferromagnetic neurons [0.0]
我々は、パターン認識を行うために、AFMニューロンの人工ニューラルネットワークを訓練する。
ニューロンスパイクの時間的位置に依存するスパイクパターン関連ニューロン(SPAN)と呼ばれる単純な機械学習アルゴリズムが訓練中に使用される。
物理時間のマイクロ秒未満では、AMMニューラルネットワークは、指定された時間ウィンドウ内でスパイクを生成してグリッドから構成されたシンボルを認識するように訓練される。
論文 参考訳（メタデータ） (2023-08-17T16:00:57Z) - Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。
彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。
スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-06T13:04:45Z) - First design of a superconducting qubit for the QUB-IT experiment [50.591267188664666]
QUB-ITプロジェクトの目標は、量子非破壊(QND)測定と絡み合った量子ビットを利用した、反復的な単一光子カウンタを実現することである。
本稿では,Qiskit-Metalを用いた共振器に結合したトランスモン量子ビットからなる第1の超伝導デバイスの設計とシミュレーションを行う。
論文 参考訳（メタデータ） (2022-07-18T07:05:10Z) - Artificial optoelectronic spiking neuron based on a resonant tunnelling
diode coupled to a vertical cavity surface emitting laser [0.17354071459927545]
精密な光電子デバイスは、人工スパイクニューロンを実装するための鍵となる構成要素の1つである。
本研究は、共振トンネルダイオード(RTD)を用いたオプトエレクトロ光(O/E/O)人工ニューロンの導入と実験的研究である。
我々は、このニューロンが特徴的な神経様屈折周期を持つ100nsの光スパイク応答を発生させる、よく定義された興奮性閾値を実証した。
論文 参考訳（メタデータ） (2022-06-22T14:43:03Z) - Energy-Efficient High-Accuracy Spiking Neural Network Inference Using
Time-Domain Neurons [0.18352113484137625]
本稿では低出力高線形時間領域I&Fニューロン回路を提案する。
提案されたニューロンは、MNIST推論において4.3倍のエラー率をもたらす。
提案したニューロン回路で消費される電力は1ニューロンあたり0.230uWとシミュレートされ、これは既存の電圧領域ニューロンよりも桁違いに低い。
論文 参考訳（メタデータ） (2022-02-04T08:24:03Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - Resonant tunnelling diode nano-optoelectronic spiking nodes for
neuromorphic information processing [0.0]
超高速かつ低消費電力で動作可能な光電子人工ニューロンを提案する。
提案システムは、励起可能なトンネルダイオード(RTD)素子とナノスケール光源を組み合わせたものである。
論文 参考訳（メタデータ） (2021-07-14T14:11:04Z) - Izhikevich-Inspired Optoelectronic Neurons with Excitatory and
Inhibitory Inputs for Energy-Efficient Photonic Spiking Neural Networks [0.0]
We developed a detailed optoelectronic neuron model in Verilog-A。
完全連結(FC)と畳み込みニューラルネットワーク(CNN)を用いてシミュレーションを行う。
論文 参考訳（メタデータ） (2021-05-03T03:58:03Z) - Flexible Transmitter Network [84.90891046882213]
現在のニューラルネットワークはMPモデルに基づいて構築されており、通常はニューロンを他のニューロンから受信した信号の実際の重み付け集約上での活性化関数の実行として定式化する。
本稿では,フレキシブル・トランスミッタ(FT)モデルを提案する。
本稿では、最も一般的な完全接続型フィードフォワードアーキテクチャ上に構築された、フレキシブルトランスミッタネットワーク(FTNet)について述べる。
論文 参考訳（メタデータ） (2020-04-08T06:55:12Z)
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。