脳にインスパイアされたシナプス・トランジスタをインシット・スピーキング・強化学習に,適格性の追跡を施す

科学分野:

• 材料科学 材料科学とは
• 神経科学は神経科学である.
• コンピュータサイエンス コンピュータサイエンス

背景:

• 現在の人工ニューラルネットワークには,高度な強化学習 (RL) に不可欠な生物学的メカニズムが欠けている.
• 新興材料は,複雑なRLダイナミクスを模倣する可能性を秘めています.
• スパイキングニューラルネットワーク (SNN) は,脳にインスパイアされたコンピューティングに希望を示しています.

研究 の 目的:

• 脳のインスピレーションを受けたSNNベースのRLコンピューティングアーキテクチャを開発する.
• RL.のためのα-In2Se3鉄電半導体フィールド効果トランジスタを使用するために.
• 適格性の追跡やダイナミックな報酬シグナルなどの生物学的学習メカニズムを実装する.

主な方法:

• α-In2Se3鉄電半導体フィールド効果トランジスタの製造と特徴付け.
• α-In2Se3トランジスタ配列を用いたRLニューラルネットワークの設計.
• 開発したアーキテクチャを使用して,自動運転のタスクの実証.

主要な成果:

• α-In2Se3トランジスタは報酬信号の調節と適格性の痕跡の崩壊を可能にしました.
• このアーキテクチャは,インシットで報酬ベースの重量アップデートと適格性の痕跡の減少を実行しました.
• RLニューラルネットワークで自動運転のタスクが成功裏に実証されました.

結論:

• 開発されたアーキテクチャは,完全に機能的で,エネルギー効率が高く,低オーバーヘッドのスパイキングベースの強化学習を可能にします.
• このアプローチは,不可欠な生物学的学習メカニズムをハードウェアに統合します.
• この研究は,高度な人工汎用知能への道を開く.