論文の概要: Dendritic Computing with Multi-Gate Ferroelectric Field-Effect Transistors

• arxiv url: http://arxiv.org/abs/2505.01635v1
• Date: Fri, 02 May 2025 23:59:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.199824
• Title: Dendritic Computing with Multi-Gate Ferroelectric Field-Effect Transistors
• Title（参考訳）: 多ゲート強誘電体電界効果トランジスタを用いた樹状体計算
• Authors: A N M Nafiul Islam, Xuezhong Niu, Jiahui Duan, Shubham Kumar, Kai Ni, Abhronil Sengupta,
• Abstract要約: 本稿では,デンドライトを模した多ゲート強誘電体電界効果トランジスタを用いた新しいニューロン設計を提案する。 樹状ニューロンを組み込んだネットワークは,デンドライトのないはるかに大きなネットワークに比べて優れた性能を発揮することを示す。
• 参考スコア（独自算出の注目度）: 4.6578951738398064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although inspired by neuronal systems in the brain, artificial neural networks generally employ point-neurons, which offer far less computational complexity than their biological counterparts. Neurons have dendritic arbors that connect to different sets of synapses and offer local non-linear accumulation - playing a pivotal role in processing and learning. Inspired by this, we propose a novel neuron design based on a multi-gate ferroelectric field-effect transistor that mimics dendrites. It leverages ferroelectric nonlinearity for local computations within dendritic branches, while utilizing the transistor action to generate the final neuronal output. The branched architecture paves the way for utilizing smaller crossbar arrays in hardware integration, leading to greater efficiency. Using an experimentally calibrated device-circuit-algorithm co-simulation framework, we demonstrate that networks incorporating our dendritic neurons achieve superior performance in comparison to much larger networks without dendrites ($\sim$17$\times$ fewer trainable weight parameters). These findings suggest that dendritic hardware can significantly improve computational efficiency, and learning capacity of neuromorphic systems optimized for edge applications.
• Abstract（参考訳）: 脳内の神経系にインスパイアされたものの、ニューラルネットワークは通常ポイントニューロンを使用し、生物学的システムよりも計算の複雑さがはるかに少ない。 ニューロンは樹状吸収体を持ち、異なるシナプスに接続し、局所的な非線形蓄積を提供する。 そこで我々は,デンドライトを模した多ゲート強誘電体電界効果トランジスタを用いた新しいニューロン設計を提案する。 強誘電性非線形性を利用して樹状突起内の局所計算を行い、トランジスタ作用を利用して最終的なニューロン出力を生成する。 分岐アーキテクチャは、ハードウェア統合において、より小さなクロスバーアレイを使用するための道を開く。 実験的に校正されたデバイス・サーキット・アルゴリズム・コシミュレーション・フレームワークを用いて、樹状ニューロンを組み込んだネットワークが、デンドライトを持たないはるかに大きなネットワークに比べて優れた性能を発揮することを示した(\sim$17$\times$ less trainable weight parameters)。 これらの結果から,デンドライトハードウェアは,エッジアプリケーションに最適化されたニューロモルフィックシステムの学習能力と計算効率を著しく向上させることができることが示唆された。

関連論文リスト

• Threshold Neuron: A Brain-inspired Artificial Neuron for Efficient On-device Inference [17.95548501630064]
  本稿では,新しい人工ニューロンモデルThreshold Neuronsを提案する。 従来の人工ニューロンと同様のニューラルネットワークを構築しながら,ハードウェア実装の複雑さを大幅に低減する。 本研究では,Threshold Neuronsを用いたニューラルネットワークの有効性を検証し,カーネルレベルでは7.51倍から8.19倍の省電力を実現し,カーネルレベルでは3.89倍から4.33倍の省電力を実現した。
  論文  参考訳（メタデータ） (2024-12-18T14:42:43Z)
• Exploring Structural Nonlinearity in Binary Polariton-Based Neuromorphic Architectures [0.0]
  ネットワークのレイアウトから導かれる構造的非線形性は,複雑な計算作業を円滑に行う上で重要な役割を担っていることを示す。 この個々のニューロン特性からネットワークアーキテクチャへのシフトは、ニューロモルフィックコンピューティングの効率性と適用性に大きな進歩をもたらす可能性がある。
  論文  参考訳（メタデータ） (2024-11-09T09:29:46Z)
• 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)
• A versatile circuit for emulating active biological dendrites applied to sound localisation and neuron imitation [0.0]
  我々は,利得を示し,遅延を導入し,統合を行うデンドライトのセグメントをエミュレートする汎用回路を導入する。 また、デンドライトが破裂するニューロンを形成できることもわかりました。 この重要な発見は、デンドライト回路のみからなるニューラルネットワークを作る可能性を示唆している。
  論文  参考訳（メタデータ） (2023-10-25T09:42:24Z)
• 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)
• A Hybrid Neural Coding Approach for Pattern Recognition with Spiking Neural Networks [53.31941519245432]
  脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。 これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。 本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
  論文  参考訳（メタデータ） (2023-05-26T02:52:12Z)
• Artificial Dendritic Computation: The case for dendrites in neuromorphic circuits [0.0]
  樹状体の計算を複製する動機について検討し,今後の試みを導くための枠組みを提案する。 我々は,BiLSTMニューラルネットワークの性能に及ぼすデンドライトの影響を評価し,デンドライト前処理がしきい値性能に必要なネットワークサイズを減らすことを発見した。
  論文  参考訳（メタデータ） (2023-04-03T13:15:32Z)
• 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)
• 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)
• 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)

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。