論文の概要: Passive frustrated nanomagnet reservoir computing

• arxiv url: http://arxiv.org/abs/2103.09353v2
• Date: Fri, 16 Sep 2022 17:45:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-07 23:13:22.806896
• Title: Passive frustrated nanomagnet reservoir computing
• Title（参考訳）: パッシブフラストレーション型ナノマグネット貯留層計算
• Authors: Alexander J. Edwards, Dhritiman Bhattacharya, Peng Zhou, Nathan R. McDonald, Walid Al Misba, Lisa Loomis, Felipe Garcia-Sanchez, Naimul Hassan, Xuan Hu, Md. Fahim Chowdhury, Clare D. Thiem, Jayasimha Atulasimha, Joseph S. Friedman
• Abstract要約: 天然のハードウェア貯水池は受動的で、最小限で、表現力があり、実現可能であるべきである。 低消費電力相補性金属酸化物半導体(CMOS)回路を用いたフラストレーションナノマグネット貯水池計算(NMRC)システムを提案する。 提案方式はCMOSエコー状態ネットワーク (ESN) と比較し, リソース全体の減少率を10,000,000以上とした。
• 参考スコア（独自算出の注目度）: 46.58639203503041
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reservoir computing (RC) has received recent interest because reservoir weights do not need to be trained, enabling extremely low-resource consumption implementations, which could have a transformative impact on edge computing and in-situ learning where resources are severely constrained. Ideally, a natural hardware reservoir should be passive, minimal, expressive, and feasible; to date, proposed hardware reservoirs have had difficulty meeting all of these criteria. We therefore propose a reservoir that meets all of these criteria by leveraging the passive interactions of dipole-coupled, frustrated nanomagnets. The frustration significantly increases the number of stable reservoir states, enriching reservoir dynamics, and as such these frustrated nanomagnets fulfill all of the criteria for a natural hardware reservoir. We likewise propose a complete frustrated nanomagnet reservoir computing (NMRC) system with low-power complementary metal-oxide semiconductor (CMOS) circuitry to interface with the reservoir, and initial experimental results demonstrate the reservoir's feasibility. The reservoir is verified with micromagnetic simulations on three separate tasks demonstrating expressivity. The proposed system is compared with a CMOS echo-state-network (ESN), demonstrating an overall resource decrease by a factor of over 10,000,000, demonstrating that because NMRC is naturally passive and minimal it has the potential to be extremely resource efficient.
• Abstract（参考訳）: 貯水池の重量を訓練する必要がないため、貯水池コンピューティング(RC)は近年関心を集めており、資源が厳しく制約されているエッジコンピューティングやインサイトラーニングに変革をもたらす可能性がある。 理想的には、天然のハードウェア貯水池は受動的で、最小限で、表現力があり、実現可能であるべきである。 そこで我々は, 双極子結合型フラストレーションナノマグネットの受動的相互作用を利用して, これらの基準を満たす貯水池を提案する。 フラストレーションは安定した貯水池状態の数を大幅に増加させ、貯水池の力学を豊かにし、これらのフラストレーションされたナノマグネットは天然のハードウェア貯水池の全ての基準を満たす。 同様に,低消費電力相補性金属酸化物半導体(CMOS)回路を用いた完全フラストレーション型ナノマグネット貯水池計算(NMRC)システムを提案し,その実現可能性を示す実験結果を得た。 この貯水池は3つの異なるタスクを電磁シミュレーションで検証した。 提案手法は,cmosエコーステートネットワーク (esn) と比較し,1万,000以上の資源削減率を示すとともに,nmrcが自然に受動的で最小であるため,資源効率が極めて高い可能性を示す。

関連論文リスト

• Spintronic Physical Reservoir for Autonomous Prediction and Long-Term Household Energy Load Forecasting [0.05384718724090647]
  本研究では,スピントロニクス物理貯留層を用いた自律的長期予測を行った。 磁化ダイナミクスの短期記憶特性のため、非直線性は貯留状態に生じる。 予測段階では、出力は自動予測のために貯水池の入力に直接供給される。
  論文  参考訳（メタデータ） (2023-04-06T19:42:09Z)
• Genetic-tunneling driven energy optimizer for magnetic system [0.0]
  本稿では,局所エネルギー最小化手法のバックエンドとメタヒューリスティックなグローバル検索フロントエンドを組み合わせた遺伝的チューニング駆動分散制御最適化手法を提案する。 本稿では, 密度汎関数理論からの人工的相互作用と計算的相互作用を併用した2次元単層膜の磁気基底状態の探索におけるこの手法の有効性を実証する。
  論文  参考訳（メタデータ） (2022-12-31T14:27:34Z)
• Computational Intelligence and Deep Learning for Next-Generation Edge-Enabled Industrial IoT [51.68933585002123]
  エッジ対応産業用IoTネットワークにおける計算知能とディープラーニング(DL)の展開方法について検討する。 本稿では,新しいマルチエグジットベースフェデレーションエッジ学習(ME-FEEL)フレームワークを提案する。 特に、提案されたME-FEELは、非常に限られたリソースを持つ産業用IoTネットワークにおいて、最大32.7%の精度を達成することができる。
  論文  参考訳（メタデータ） (2021-10-28T08:14:57Z)
• Task Agnostic Metrics for Reservoir Computing [0.0]
  物理貯水池計算は、物理物質における時間的パターン認識を可能にする計算パラダイムである。 選択された力学系は、非線形性、複雑性、暗くなるメモリの3つの望ましい特性を持つ必要がある。 一般に, 減衰率の低いシステムは, 3つの評価指標すべてにおいて高い値に達することが示されている。
  論文  参考訳（メタデータ） (2021-08-03T13:58:11Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression [56.83861738731913]
  ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。 既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。 ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
  論文  参考訳（メタデータ） (2021-06-15T17:22:59Z)
• Surpassing the Energy Resolution Limit with ferromagnetic torque sensors [55.41644538483948]
  標準量子限界における熱力学ノイズと機械的検出ノイズを考慮した最適磁場分解能の評価を行った。 近年の文献で指摘されているエネルギー分解限界(ERL, Energy Resolution Limit)は, 桁違いに超えることがある。
  論文  参考訳（メタデータ） (2021-04-29T15:44:12Z)
• Building Reservoir Computing Hardware Using Low Energy-Barrier Magnetics [0.0]
  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。
  論文  参考訳（メタデータ） (2020-07-06T14:11:45Z)
• 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。