論文の概要: Biologically Realistic Dynamics for Nonlinear Classification in CMOS+X Neurons

• arxiv url: http://arxiv.org/abs/2604.03187v1
• Date: Fri, 03 Apr 2026 17:03:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.544567
• Title: Biologically Realistic Dynamics for Nonlinear Classification in CMOS+X Neurons
• Title（参考訳）: CMOS+Xニューロンの非線形分類のための生物学的リアリスティックダイナミクス
• Authors: Steven Louis, Hannah Bradley, Artem Litvinenko, Cody Trevillian, Darrin Hanna, Vasyl Tyberkevych,
• Abstract要約: スパイクニューラルネットワークはスパイクタイミングで情報をエンコードし、エネルギー効率の良い人工知能への経路を提供する。 本研究では,NMOSトランジスタと直列に接続された磁気トンネル接合を実装したCMOS+Xスパイクニューロンの非線形計算について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spiking neural networks encode information in spike timing and offer a pathway toward energy efficient artificial intelligence. However, a key challenge in spiking neural networks is realizing nonlinear and expressive computation in compact, energy-efficient hardware without relying on additional circuit complexity. In this work, we examine nonlinear computation in a CMOS+X spiking neuron implemented with a magnetic tunnel junction connected in series with an NMOS transistor. Circuit simulations of a multilayer network solving the XOR classification problem show that three intrinsic neuronal properties enable nonlinear behavior: threshold activation, response latency, and absolute refraction. Threshold activation determines which neurons participate in computation, response latency shifts spike timing, and absolute refraction suppresses subsequent spikes. These results show that magnetization dynamics of MTJ devices can support nonlinear computation in compact neuromorphic hardware.
• Abstract（参考訳）: スパイクニューラルネットワークはスパイクタイミングで情報をエンコードし、エネルギー効率の良い人工知能への経路を提供する。 しかし、ニューラルネットワークをスパイクする上で重要な課題は、回路の複雑さに頼らずに、コンパクトでエネルギー効率の良いハードウェアで非線形で表現力のある計算を実現することである。 本研究では,NMOSトランジスタと直列に接続された磁気トンネル接合を実装したCMOS+Xスパイクニューロンの非線形計算について検討する。 XOR分類問題を解く多層ネットワークの回路シミュレーションにより、3つの内在性ニューロン特性が非線形挙動(しきい値の活性化、応答遅延、絶対屈折)を可能にすることが示された。 閾値活性化は、どのニューロンが計算に参加するかを決定し、応答遅延はスパイクタイミングをシフトし、絶対屈折はその後のスパイクを抑制する。 これらの結果は、MTJデバイスの磁化ダイナミクスが、コンパクトなニューロモルフィックハードウェアにおける非線形計算を支援することを示している。

関連論文リスト

• Fractional Spike Differential Equations Neural Network with Efficient Adjoint Parameters Training [63.3991315762955]
  スパイキングニューラルネットワーク(SNN)は、生物学的ニューロンからインスピレーションを得て、脳に似た計算の現実的なモデルを作成する。 既存のほとんどのSNNは、マルコフ特性を持つ一階常微分方程式(ODE)によってモデル化された、神経細胞膜電圧ダイナミクスの単一時間定数を仮定している。 本研究では, 膜電圧およびスパイク列車の長期依存性を分数次力学により捉えるフラクタルSPIKE微分方程式ニューラルネットワーク (fspikeDE) を提案する。
  論文  参考訳（メタデータ） (2025-07-22T18:20:56Z)
• Dendritic Computing with Multi-Gate Ferroelectric Field-Effect Transistors [9.19570916564972]
  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。
  論文  参考訳（メタデータ） (2025-05-02T23:59:08Z)
• Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
  スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。 本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
  論文  参考訳（メタデータ） (2024-09-17T04:48:45Z)
• 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)
• Neuromorphic analog circuits for robust on-chip always-on learning in spiking neural networks [1.9809266426888898]
  混合信号ニューロモルフィックシステムは、極端コンピューティングタスクを解決するための有望なソリューションである。 彼らのスパイクニューラルネットワーク回路は、連続的にセンサーデータをオンラインに処理するために最適化されている。 我々は,短期的アナログ力学と長期的三状態離散化機構を備えたオンチップ学習回路を設計する。
  論文  参考訳（メタデータ） (2023-07-12T11:14:25Z)
• 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)
• 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)
• Neuromorphic Algorithm-hardware Codesign for Temporal Pattern Learning [11.781094547718595]
  複雑な空間時間パターンを学習するためにSNNを訓練できるLeaky IntegrateとFireニューロンの効率的なトレーニングアルゴリズムを導出する。 我々は,ニューロンとシナプスのメムリスタに基づくネットワークのためのCMOS回路実装を開発した。
  論文  参考訳（メタデータ） (2021-04-21T18:23:31Z)
• Nonlinear computations in spiking neural networks through multiplicative synapses [3.1498833540989413]
  非線形計算は、スパイクニューラルネットワークでうまく実装できる。 これは教師付きトレーニングを必要とし、その結果の接続性は解釈が難しい。 いくつかの非線形力学系において, 必要な接続性を直接導出する方法を示す。
  論文  参考訳（メタデータ） (2020-09-08T16:47:27Z)
• Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
  XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。 コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
  論文  参考訳（メタデータ） (2020-02-02T21:09:39Z)

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。