論文の概要: Shape-Dependent Multi-Weight Magnetic Artificial Synapses for Neuromorphic Computing

• arxiv url: http://arxiv.org/abs/2111.11516v2
• Date: Thu, 17 Feb 2022 20:38:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 04:14:44.158473
• Title: Shape-Dependent Multi-Weight Magnetic Artificial Synapses for Neuromorphic Computing
• Title（参考訳）: 形状依存型多重磁性人工シナプスによるニューロモルフィックコンピューティング
• Authors: Thomas Leonard, Samuel Liu, Mahshid Alamdar, Can Cui, Otitoaleke G. Akinola, Lin Xue, T. Patrick Xiao, Joseph S. Friedman, Matthew J. Marinella, Christopher H. Bennett and Jean Anne C. Incorvia
• Abstract要約: 神経形コンピューティングにおいて、人工シナプスは、脳に類似したニューロンからの入力に基づいて設定される多重コンダクタンス状態を提供する。 本稿では,磁気トンネル接合と磁区壁を用いた磁気材料を用いた人工シナプスの測定を行った。
• 参考スコア（独自算出の注目度）: 4.567086462167893
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In neuromorphic computing, artificial synapses provide a multi-weight conductance state that is set based on inputs from neurons, analogous to the brain. Additional properties of the synapse beyond multiple weights can be needed, and can depend on the application, requiring the need for generating different synapse behaviors from the same materials. Here, we measure artificial synapses based on magnetic materials that use a magnetic tunnel junction and a magnetic domain wall. By fabricating lithographic notches in a domain wall track underneath a single magnetic tunnel junction, we achieve 4-5 stable resistance states that can be repeatably controlled electrically using spin orbit torque. We analyze the effect of geometry on the synapse behavior, showing that a trapezoidal device has asymmetric weight updates with high controllability, while a straight device has higher stochasticity, but with stable resistance levels. The device data is input into neuromorphic computing simulators to show the usefulness of application-specific synaptic functions. Implementing an artificial neural network applied on streamed Fashion-MNIST data, we show that the trapezoidal magnetic synapse can be used as a metaplastic function for efficient online learning. Implementing a convolutional neural network for CIFAR-100 image recognition, we show that the straight magnetic synapse achieves near-ideal inference accuracy, due to the stability of its resistance levels. This work shows multi-weight magnetic synapses are a feasible technology for neuromorphic computing and provides design guidelines for emerging artificial synapse technologies.
• Abstract（参考訳）: ニューロモルフィックコンピューティングでは、人工シナプスは脳と類似したニューロンからの入力に基づいて設定される多重コンダクタンス状態を提供する。 複数の重量を超えるシナプスのさらなる特性が必要であり、同じ材料から異なるシナプスの挙動を生成する必要があるため、アプリケーションに依存することができる。 本稿では,磁気トンネル接合と磁区壁を用いた磁気材料を用いた人工シナプスの測定を行った。 単磁気トンネル接合の下の磁壁軌道にリソグラフィノッチを造ることで、スピン軌道トルクを用いて繰り返し電気的に制御できる4-5の安定抵抗状態が得られる。 形状がシナプスの挙動に及ぼす影響を解析し,非対称な重みが制御性が高く,ストレートな装置は確率性が高いが,抵抗レベルは安定であることを示した。 デバイスデータはニューロモルフィックコンピューティングシミュレータに入力され、アプリケーション固有のシナプス関数の有用性を示す。 ストリーム型Fashion-MNISTデータに適用した人工ニューラルネットワークの実装により,ケプシカル磁気シナプスをメタ塑性関数として利用し,オンライン学習の効率化を図る。 CIFAR-100画像認識のための畳み込みニューラルネットワークを実装したところ、磁気シナプスは抵抗レベルの安定性のため、ほぼ理想的推論精度が得られることがわかった。 この研究は、多重磁気シナプスがニューロモルフィックコンピューティングの実現可能な技術であることを示し、新しい人工シナプス技術の設計ガイドラインを提供する。

関連論文リスト

• 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)
• Learning with Chemical versus Electrical Synapses -- Does it Make a Difference? [61.85704286298537]
  バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。 我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
  論文  参考訳（メタデータ） (2023-11-21T13:07:20Z)
• Neuromorphic Hebbian learning with magnetic tunnel junction synapses [41.92764939721262]
  磁気トンネル接合(MTJ)の双対抵抗状態による高精度推論を実現するニューロモルフィックネットワークの提案と実験的検討を行った。 MTJシナプスで直接実装したニューロモルフィックネットワークの最初の実演を行った。 また,STT-MTJシナプスを用いた非教師型ヘビアン学習システムにより,MNIST手書き文字認識の競争精度が向上できることをシミュレーションにより実証した。
  論文  参考訳（メタデータ） (2023-08-21T19:58:44Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Contrastive-Signal-Dependent Plasticity: Forward-Forward Learning of Spiking Neural Systems [73.18020682258606]
  我々は、ニューロンの個々の層が並列に機能する、スパイキングニューロンユニットからなる神経模倣アーキテクチャを開発する。 コントラスト信号依存塑性(CSDP)と呼ばれるイベントベース前方学習の一般化を提案する。 いくつかのパターンデータセットに対する実験結果から,CSDPプロセスは分類と再構成の両方が可能な動的再帰スパイクネットワークのトレーニングに有効であることが示された。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Machine learning using magnetic stochastic synapses [0.9236074230806579]
  ナノワイヤの磁区壁運動における従来の有害効果を利用した手法を提案する。 機能的バイナリ・シナプスを勾配学習規則とともに示し、様々なシステムに適用可能なトレーニングを可能にした。 単一測定の場合、この規則は最小限の神経性を持つバイナリシナプスとなり、強靭性に対する潜在的な性能を犠牲にする。 この観察により、所望のパフォーマンスと装置の動作速度とエネルギーコストに応じて設計原則を選択できる。
  論文  参考訳（メタデータ） (2023-03-03T12:33:29Z)
• 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)
• Neural Sampling Machine with Stochastic Synapse allows Brain-like Learning and Inference [6.138129592577736]
  NNの新しいクラスであるNeural-Sampling-Machineを紹介し、シナプス接続におけるシナプス性を利用してベイズ推定を近似する。 クロスバーと金属状態の間のセレクタ要素の固有のスイッチングは、NSMのシナプス内の乗算ノイズをもたらすことを実験的に示した。 回転試料における標準画像分類タスクとデータ不確実性推定について報告する。
  論文  参考訳（メタデータ） (2021-02-20T23:45:24Z)
• Controllable reset behavior in domain wall-magnetic tunnel junction artificial neurons for task-adaptable computation [1.4505273244528207]
  ドメイン壁-磁気トンネル接合(DW-MTJ)デバイスは、生物学的ニューロンの挙動を本質的に捉えることができることが示されている。 そこで本研究では,DW-MTJ人工ニューロンにおいて,3つの代替メカニズムを用いてエジラックス動作を実装可能であることを示す。
  論文  参考訳（メタデータ） (2021-01-08T16:50:29Z)
• 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。