論文の概要: A kinetic Monte Carlo Approach for Boolean Logic Functionality in Gold
Nanoparticle Networks
- arxiv url: http://arxiv.org/abs/2312.04717v1
- Date: Thu, 7 Dec 2023 21:53:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-11 17:00:45.941784
- Title: A kinetic Monte Carlo Approach for Boolean Logic Functionality in Gold
Nanoparticle Networks
- Title(参考訳): 金ナノ粒子ネットワークにおけるブール論理関数の速度論的モンテカルロアプローチ
- Authors: Jonas Mensing, Wilfred G. van der Wiel, Andreas Heuer
- Abstract要約: この研究は、ナノ粒子ネットワークにおける電荷輸送のダイナミクスをモデル化するための、モンテカルロをベースとした動力学シミュレーションツールを導入する。
我々は,ナノ粒子ネットワークをブール論理ゲートとして機能させ,その品質を適合関数を用いて評価する。
本研究は, 適合性および非線形特性がシステムサイズ, 周辺電極数, 電極位置に及ぼす影響に関する基礎的疑問に対処する。
- 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: Nanoparticles interconnected by insulating organic molecules exhibit
nonlinear switching behavior at low temperatures. By assembling these switches
into a network and manipulating charge transport dynamics through surrounding
electrodes, the network can be reconfigurably functionalized to act as any
Boolean logic gate. This work introduces a kinetic Monte Carlo-based simulation
tool, applying established principles of single electronics to model charge
transport dynamics in nanoparticle networks. We functionalize nanoparticle
networks as Boolean logic gates and assess their quality using a fitness
function. Based on the definition of fitness, we derive new metrics to quantify
essential nonlinear properties of the network, including negative differential
resistance and nonlinear separability. These nonlinear properties are crucial
not only for functionalizing the network as Boolean logic gates but also when
our networks are functionalized for brain-inspired computing applications in
the future. We address fundamental questions about the dependence of fitness
and nonlinear properties on system size, number of surrounding electrodes, and
electrode positioning. We assert the overall benefit of having more electrodes,
with proximity to the network's output being pivotal for functionality and
nonlinearity. Additionally, we demonstrate a optimal system size and argue for
breaking symmetry in electrode positioning to favor nonlinear properties.
- Abstract(参考訳): 絶縁性有機分子で結合したナノ粒子は低温で非線形にスイッチング挙動を示す。
これらのスイッチをネットワークに組み立て、周囲の電極を介して電荷輸送ダイナミクスを操作することで、ネットワークは任意のブール論理ゲートとして機能するように再構成可能となる。
本研究は,単一電子回路の確立した原理を応用し,ナノ粒子ネットワークにおける電荷輸送ダイナミクスをモデル化する速度論的モンテカルロシミュレーションツールを提案する。
ナノ粒子ネットワークをブール論理ゲートとして機能化し, 適合度関数を用いてその品質を評価する。
適合度の定義に基づいて、負の微分抵抗や非線形分離性を含むネットワークの基本非線形特性を定量化する新しい指標を導出する。
これらの非線形特性は、ブール論理ゲートとしてネットワークを機能させるだけでなく、将来脳に触発されたコンピューティングアプリケーションのためにネットワークが機能化される場合にも重要である。
本稿では,システムサイズ,周辺電極数,電極位置に対する適合性と非線形特性の依存性に関する基礎的な疑問について述べる。
我々は、より多くの電極を持つという全体的な利点を主張し、ネットワークの出力に近いことは機能と非線形性にとって重要なものである。
さらに, 最適システムサイズを実証し, 電極位置の対称性の破れを論じ, 非線形特性を優先する。
関連論文リスト
- Non Commutative Convolutional Signal Models in Neural Networks:
Stability to Small Deformations [111.27636893711055]
非可換畳み込みフィルタのフィルタ特性と安定性について検討する。
この結果は,グループニューラルネットワーク,マルチグラフニューラルネットワーク,四元系ニューラルネットワークに直接影響する。
論文 参考訳(メタデータ) (2023-10-05T20:27:22Z) - Neural Metamaterial Networks for Nonlinear Material Design [29.65492571110993]
メタマテリアルネットワーク - メタマテリアルファミリー全体の非線形力学を符号化する神経表現を提案する。
本手法は, 所望のひずみ応力曲線, 所定の方向剛性, ポアソン比プロファイルを有する材料を自動設計する。
論文 参考訳(メタデータ) (2023-09-15T13:50:43Z) - Exploring Linear Feature Disentanglement For Neural Networks [63.20827189693117]
Sigmoid、ReLU、Tanhなどの非線形活性化関数は、ニューラルネットワーク(NN)において大きな成功を収めた。
サンプルの複雑な非線形特性のため、これらの活性化関数の目的は、元の特徴空間から線形分離可能な特徴空間へサンプルを投影することである。
この現象は、現在の典型的なNNにおいて、すべての特徴がすべての非線形関数によって変換される必要があるかどうかを探求することに興味をそそる。
論文 参考訳(メタデータ) (2022-03-22T13:09:17Z) - Convolutional Filtering and Neural Networks with Non Commutative
Algebras [153.20329791008095]
本研究では,非可換畳み込みニューラルネットワークの一般化について検討する。
非可換畳み込み構造は作用素空間上の変形に対して安定であることを示す。
論文 参考訳(メタデータ) (2021-08-23T04:22:58Z) - Designing Kerr Interactions for Quantum Information Processing via
Counterrotating Terms of Asymmetric Josephson-Junction Loops [68.8204255655161]
静的空洞非線形性は通常、ボゾン量子誤り訂正符号の性能を制限する。
非線形性を摂動として扱うことで、シュリーファー・ヴォルフ変換を用いて実効ハミルトニアンを導出する。
その結果、立方体相互作用は、線形演算と非線形演算の両方の有効率を高めることができることがわかった。
論文 参考訳(メタデータ) (2021-07-14T15:11:05Z) - Predicting the Mechanical Properties of Fibrin Using Neural Networks
Trained on Discrete Fiber Network Data [0.8812900098821118]
本稿では,RVEモデルの動作を効率的に捉えるために,人工完全連結ニューラルネットワーク(FCNN)を提案する。
FCNNは121の二軸変形を受ける1100の繊維ネットワークで訓練された。
我々のUMATを用いてフィブリンゲルの有限要素シミュレーションに利用した。
論文 参考訳(メタデータ) (2021-01-23T23:52:33Z) - Theory of gating in recurrent neural networks [5.672132510411465]
リカレントニューラルネットワーク(Recurrent Neural Network, RNN)は、機械学習(ML)や神経科学で広く使われている強力な動的モデルである。
ここでは、ゲーティングが集合力学の2つの健全な特徴を柔軟に制御できることを示す。
ゲート制御の時間スケールは、ネットワークがフレキシブルインテグレータとして機能する、新しい、極端に安定な状態につながる。
論文 参考訳(メタデータ) (2020-07-29T13:20:58Z) - Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。
数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。
我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文 参考訳(メタデータ) (2020-06-02T23:38:35Z) - 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) - Tunable Quantum Neural Networks for Boolean Functions [0.0]
ブール関数を学習するためにゲートを調整できる汎用量子回路のアイデアを導入する。
学習課題を実行するために,測定の欠如を利用したアルゴリズムを考案した。
論文 参考訳(メタデータ) (2020-03-31T11:55:01Z)
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。