相关实验视频
Updated: Jun 27, 2025

Magnetic Tweezers for the Measurement of Twist and Torque
Published on: May 19, 2014
通过旋转轨道扭矩磁性道交叉点实现的受限制的博尔兹曼机器
Xiaohan Li1,2, Caihua Wan1,3, Ran Zhang1
1Beijing National Laboratory for Condensed Matter Physics, Institute of Physics, University of Chinese Academy of Sciences, Chinese Academy of Sciences, Beijing 100190, China.
研究人员为人工智能开发了新的旋转轨道扭矩磁道连接 (SOT-MTJs). 这些SOT-MTJ能够实现高效的随机计算,为数字识别和跨模式学习应用提供神经网络的动力.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机工程 计算机工程
- 人工智能的人工智能
背景情况:
- 人工智能的生成模型依赖于随机计算.
- 具有可调节抽样概率的真实随机数生成器对于这些架构至关重要.
研究的目的:
- 开发用于随机计算的旋转轨道扭矩磁道连接 (SOT-MTJs).
- 为了研究SOT-MTJs的西格形式切换概率.
- 在受限制的博尔兹曼机器 (RBM) 中实施SOT-MTJ用于AI任务.
主要方法:
- SOT-MTJs的制造和特征.
- 对SOT-MTJ开关概率与驱动电压的分析.
- 在RBM中实施SOT-MTJ作为随机采样器和网络节点.
- 训练基于RBM的神经网络的数字识别和跨模式学习.
主要成果:
- SOT-MTJ 具有适用于 RBM 的电压依赖的 sigmoid 切换概率.
- 成功实施基于RBM的神经网络,使用SOT-MTJ用于手写和口语数字识别.
- 使用训练有素的SOT-MTJ权重,证明了从语音到图像生成的交叉模式学习.
结论:
- SOT-MTJ是随机计算架构的有效组件.
- 这些SOT-MTJ对开发用于博尔茨曼神经网络的硬件加速器具有显著的前景.
- 开发的SOT-MTJ可以推进需要随机处理的AI应用程序.
更多相关视频
09:06Visualizing Uniaxial-strain Manipulation of Antiferromagnetic Domains in Fe1+YTe Using a Spin-polarized Scanning Tunneling Microscope
Published on: March 24, 2019
06:27Fabrication of Magnetic Nanostructures on Silicon Nitride Membranes for Magnetic Vortex Studies Using Transmission Microscopy Techniques
Published on: July 2, 2018
相关概念视频
Torque On A Current Loop In A Magnetic Field
Consider a rectangular current-carrying loop containing N turns of wire, placed in a uniform magnetic field. The net force on a current-carrying loop...
Atomic Nuclei: Nuclear Relaxation Processes
Atomic Nuclei: Nuclear Spin State Population Distribution
Atomic Nuclei: Nuclear Spin State Overview
Atomic Nuclei: Nuclear Magnetic Moment
Spin–Spin Coupling Constant: Overview
Qualitatively, any spin plus-half nucleus polarizes the spins of its electrons to the minus-half state. Consequently, the paired electron in the hydrogen–carbon bond must...