通过使用基于荷尔氧化物 (Ho2O3) 的突触RRAM设备,通过完全连接的神经网络模拟帕夫洛夫条件和模式识别
Prabana Jetty1, Udaya Mohanan Kannan2, S Narayana Jammalamadaka1
1Magnetic Materials and Device Physics Laboratory, Department of Physics, Indian Institute of Technology Hyderabad, Hyderabad, 502284, India.
Nanotechnology
|November 10, 2023
概括
这项研究介绍了一种基于Ho2O3的突触装置,用于神经形态计算,展示了学习和记忆等关键大脑功能. 该设备在分类手写数字方面取得了高精度,显示了硬件人工智能应用的潜力.
科学领域:
- 材料科学 材料科学 材料科学
- 神经科学是一个神经科学.
- 计算机工程 计算机工程
背景情况:
- 人工突触对于开发硬件神经形态系统至关重要.
- 电阻随机存储器 (RRAM) 设备为突触模拟提供了有前途的特性.
研究的目的:
- 开发和描述一个基于 Ho2O3 的超磁性突触电阻随机访问记忆装置.
- 实施和评估神经元功能和协会学习.
- 在手写数字分类任务中评估设备的性能.
主要方法:
- 基于Ho2O3的RRAM设备的制造.
- 通过改变脉冲参数 (振幅,宽度,间隔) 来表征突触可塑性.
- 实现完全连接的神经网络 (FCN),使用制造的设备进行MNIST分类.
- 模仿帕夫洛夫的古典条件化.
主要成果:
- 基于Ho2O3的设备成功模拟了长期的强化,长期的抑郁和依赖于尖峰时间的可塑性.
- 该突触装置对使用FCN的MNIST数据表现出高的分类准确性 (93.47%),与基于软件的方法 (97.97%) 相比.
- 通过帕夫洛夫的古典条件化成功模拟了关联式学习.
结论:
- 基于 Ho2O3 的超磁性突触装置显示了硬件神经形态应用的巨大潜力.
- 该设备模仿生物神经元功能的能力,并实现高分类准确度,突出其适用于先进的AI硬件的适用性.
- 这项研究有助于开发高效和有效的神经形态计算系统.
