論文の概要: Laser Fault Injection in Memristor-Based Accelerators for AI/ML and Neuromorphic Computing

• arxiv url: http://arxiv.org/abs/2510.14120v1
• Date: Wed, 15 Oct 2025 21:44:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.631254
• Title: Laser Fault Injection in Memristor-Based Accelerators for AI/ML and Neuromorphic Computing
• Title（参考訳）: AI/MLおよびニューロモルフィックコンピューティングのためのメムリスタベース加速器におけるレーザー断層注入
• Authors: Muhammad Faheemur Rahman, Wayne Burleson,
• Abstract要約: 本稿では,敵が敵細胞を標的とし,その物理的特性や出力をレーザービームで微調整する,詳細な脅威モデルを提案する。 レーザ誘起光電流が出力電流分布にどのように現れるかを示し、差分欠陥解析により最大99.7%の精度で内部重量を推定できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Memristive crossbar arrays (MCA) are emerging as efficient building blocks for in-memory computing and neuromorphic hardware due to their high density and parallel analog matrix-vector multiplication capabilities. However, the physical properties of their nonvolatile memory elements introduce new attack surfaces, particularly under fault injection scenarios. This work explores Laser Fault Injection as a means of inducing analog perturbations in MCA-based architectures. We present a detailed threat model in which adversaries target memristive cells to subtly alter their physical properties or outputs using laser beams. Through HSPICE simulations of a large MCA on 45 nm CMOS tech. node, we show how laser-induced photocurrent manifests in output current distributions, enabling differential fault analysis to infer internal weights with up to 99.7% accuracy, replicate the model, and compromise computational integrity through targeted weight alterations by approximately 143%.
• Abstract（参考訳）: Memristive Crossbar Array (MCA) は、高密度および並列アナログ行列ベクトル乗算能力のため、インメモリコンピューティングやニューロモルフィックハードウェアのための効率的なビルディングブロックとして出現している。 しかし、その不揮発性メモリ要素の物理的特性は、特に障害注入のシナリオにおいて、新しい攻撃面をもたらす。 本研究は、MCAアーキテクチャにおけるアナログ摂動を誘導する手段として、レーザー断層注入について検討する。 本稿では, 敵が敵細胞を標的とし, 物理的特性や出力をレーザービームで微調整する, 詳細な脅威モデルを提案する。 45nmCMOS技術を用いた大型MCAのHSPICEシミュレーションによるシミュレーション 出力電流分布においてレーザ誘起光電流がどのように現れるかを示し、差分欠陥解析により、最大99.7%の精度で内部重みを推定し、モデルを再現し、目標重み変化による計算整合性を約143%の精度で妥協する。

関連論文リスト

• Machine Learning-Integrated Hybrid Fluid-Kinetic Framework for Quantum Electrodynamic Laser Plasma Simulations [0.0]
  本研究は,機械学習に基づく3次元ハイブリッド流体-粒子・イン・セル(PIC)システムについて紹介する。 この技術は安定領域に流体近似を用いるが、SwitchNetが不安定区間に誘導するとPICソルバを起動する。 このモデルは、決定係数(R2)が0.95以上の精度で予測し、すべてのフィールド成分に対して平均2乗誤差が10-4以下の精度で予測する。
  論文  参考訳（メタデータ） (2025-10-13T09:07:59Z)
• HPD: Hybrid Projection Decomposition for Robust State Space Models on Analog CIM Hardware [4.727184737671133]
  ステートスペースモデル(SSM)は、伝統的なシーケンスモデルに代わる効率的な代替品である。 その行列乗法への依存は、計算メモリアーキテクチャ(CIM)に理想的である。 我々は,最後の出力射影層に対するハイブリッド射影分解戦略であるHPDを提案する。
  論文  参考訳（メタデータ） (2025-08-16T06:34:14Z)
• Predictive Hydrodynamic Simulations for Laser Direct-drive Implosion Experiments via Artificial Intelligence [45.84035159987504]
  この研究は、レーザー駆動インロージョン実験のために人工知能(AI)によって強化された予測的流体力学シミュレーションを提示する。 レーザ波形とターゲット半径に応じてインロジョン特性を予測するために, トランスフォーマベース深層学習モデルであるMulti-Netを構築した。 本研究では、複雑なレーザー融合実験のためのシミュレーションの予測能力を向上するデータ駆動型AIフレームワークを実証する。
  論文  参考訳（メタデータ） (2025-07-22T04:57:40Z)
• Spatiotemporal Field Generation Based on Hybrid Mamba-Transformer with Physics-informed Fine-tuning [46.67399627400437]
  この研究は、訓練されたモデルによる物理場の生成における物理方程式の相当な相違に直面する。 HMT-PFという名称の物理場生成モデルは、ハイブリッドのMamba-Transformerアーキテクチャに基づいて開発されている。
  論文  参考訳（メタデータ） (2025-05-16T14:40:56Z)
• Voltage-Controlled Magnetoelectric Devices for Neuromorphic Diffusion Process [16.860757640432897]
  我々は、ニューロモルフィック拡散プロセスのためのスピントロニック電圧制御磁気メモリハードウェアを開発した。 磁気メモリの非揮発性により,高速かつ低コストな計算が可能となる。
  論文  参考訳（メタデータ） (2024-07-17T02:14:22Z)
• Integrating Multi-Physics Simulations and Machine Learning to Define the Spatter Mechanism and Process Window in Laser Powder Bed Fusion [6.024307115154315]
  本研究では, LPBFにおける多物理現象をシミュレートするために構築した高忠実度モデリングツールを用いて, スパッタ形成機構について検討した。 スパッタの挙動と生成を理解するため, 噴出時の特性を明らかにし, 生成源である溶融プールからの変動を評価する。 分類タスクの相関解析と機械学習(ML)アルゴリズムを用いて,スパッタとメルトプールの関係を評価した。
  論文  参考訳（メタデータ） (2024-05-13T15:08:02Z)
• Resistive Memory-based Neural Differential Equation Solver for Score-based Diffusion Model [55.116403765330084]
  スコアベースの拡散のような現在のAIGC法は、迅速性と効率性の点で依然として不足している。 スコアベース拡散のための時間連続型およびアナログ型インメモリ型ニューラル微分方程式解法を提案する。 我々は180nmの抵抗型メモリインメモリ・コンピューティング・マクロを用いて,我々の解を実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-08T16:34:35Z)
• Single-Shot Optical Neural Network [55.41644538483948]
  深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。 我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
  論文  参考訳（メタデータ） (2022-05-18T17:49:49Z)
• Invertible Surrogate Models: Joint surrogate modelling and reconstruction of Laser-Wakefield Acceleration by invertible neural networks [55.41644538483948]
  可逆ニューラルネットワークは、機械学習の最近の技術である。 我々は、レーザープラズマ加速器(iLWFA)に関わる物理学の複雑な前方シミュレーションを近似する可逆サロゲートモデルを導入する。
  論文  参考訳（メタデータ） (2021-06-01T12:26:10Z)

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。