Capacitación y operación de una red neuromórfica integrada basada en memristores de óxido metálico

Área de la Ciencia:

• La ingeniería neuromórfica es una ingeniería neuromórfica.
• Ciencia de los materiales Ciencia de los materiales.
• Ciencias de la computación Ciencias de la computación

Sus antecedentes:

• Implementar la complejidad de la corteza cerebral humana (10^14 sinapsis) en hardware es un desafío debido a su escala y potencia.
• Los circuitos complementarios de metal-óxido-semiconductor (CMOS) y memristor ofrecen un camino hacia redes neuromórficas más rápidas y de menor potencia.
• Los enfoques anteriores utilizaban memristores discretos o dispositivos memristivos de cambio de fase que requerían transistores adicionales, lo que dificultaba la escalabilidad.

Objetivo del estudio:

• Implementar experimentalmente barras transversales de memristor de óxido metálico sin transistores para la computación neuromórfica escalable.
• Para demostrar la viabilidad de las redes neuronales integradas utilizando estas barras transversales de memristor.
• Para evaluar el rendimiento de estas redes en una aplicación práctica como la clasificación de imágenes.

Principales métodos:

• Fabricación de barras transversales de memristor de óxido metálico con baja variabilidad del dispositivo.
• Integración de estas barras transversales con circuitos CMOS para un perceptrón de una sola capa.
• Entrenamiento in situ de la red utilizando un algoritmo de regla delta para la clasificación de imágenes.

Principales resultados:

• Se implementaron con éxito barras transversales de memristor de óxido metálico sin transistores.
• Se logró una baja variabilidad del dispositivo adecuada para el funcionamiento de la red neuronal integrada.
• Demostró la clasificación perfecta de imágenes de 3x3 píxeles en tres clases utilizando el perceptron entrenado.

Conclusiones:

• Las barras transversales de memristor de óxido metálico sin transistores son una tecnología viable para construir redes neuromórficas escalables.
• Este trabajo representa un paso significativo hacia la realización de hardware de inteligencia artificial a gran escala y eficiente.
• La capacidad de clasificación de imágenes demostrada destaca el potencial de las barras transversales memristivas en aplicaciones prácticas de IA.