Red neuronal bayesiana con fuente de entropía unificada y pesos de sinapsis utilizando una matriz de 16 capas de...

Área de la Ciencia:

• Ciencias de los materiales
• Inteligencia artificial
• Física de los dispositivos

Sus antecedentes:

• Los sistemas de IA de borde exigen una operación de alta frecuencia, desafiando las fuentes de entropía tradicionales que se degradan con la frecuencia.
• Las fuentes de entropía existentes luchan con la estabilidad requerida para la IA de borde bajo temperaturas y frecuencias variables.

Objetivo del estudio:

• Investigar la idoneidad de los dispositivos de diodo Fe como una fuente de entropía estable y de alta frecuencia para la IA de borde.
• Implementar experimentalmente una red neuronal bayesiana utilizando dispositivos de diodo Fe en chips basados en silicio.

Principales métodos:

• Caracterización de la densidad de ruido del dispositivo de diodo Fe a través de voltajes, frecuencias y temperaturas de lectura variables.
• Implementación experimental de una red neuronal Bayesiana jerárquica que utiliza una matriz de Fe-diodo de 16 capas en 3D.
• Demostración de una fuente de entropía unificada y arquitectura de sinapsis de 4 estados.

Principales resultados:

• Los dispositivos de diodo Fe presentan una densidad de ruido estable, modificable por el voltaje de lectura, a través de altas frecuencias y fluctuaciones de temperatura.
• La red neuronal bayesiana implementada logró una alta precisión de reconocimiento.
• El sistema demostró una alta eficiencia de área y un amplio rango de temperatura de trabajo.

Conclusiones:

• Los dispositivos de diodo Fe son físicamente adecuados para aplicaciones de IA de borde que requieren altas frecuencias y estabilidad ambiental.
• La red neuronal bayesiana desarrollada basada en diodos Fe ofrece entrenamiento in situ de baja energía y alto rendimiento para la IA de borde.