基于应变工程低屏障纳米磁铁的可重新配置的随机神经元

科学领域:

• 非传统的计算方式
• 材料科学是一种材料科学.
• 纳米技术 纳米技术

背景情况:

• 随机神经元,无论是二进制 (BSN) 还是模拟 (ASN),都是复杂计算问题的硬件加速器.
• 低屏障纳米磁铁 (LBM) 可以实现这些神经元,BSN 具有双井潜力,ASN 缺乏显著的能量屏障.
• 关键的区别在于潜在能量屏障的高度,这决定了二进制与模拟状态的波动.

研究的目的:

• 为了研究在随机神经元中压力工程屏障控制.
• 探索使用局部应变的二进制和模拟随机神经元之间的重新配置.
• 展示在单一硬件平台上整合多种计算功能的潜力.

主要方法:

• 使用磁强制性低屏障纳米磁铁 (LBMs) 来实现随机神经元.
• 使用电气产生的局部应变来动态调整LBM的能量屏障.
• 研究应变介导屏障控制对神经元行为和重新配置的影响.

主要成果:

• 通过应变调节能量屏障,证明了将模拟静态神经元 (ASN) 重构为二进制静态神经元 (BSN) 的能力,反之亦然.
• 展示了磁强制性LBMs允许低能耗,神经元功能的动态重新配置.
• 确定了超出重新配置的应用,包括自适应和动态内存层次模拟.

结论:

• 紧张工程屏障控制为创建现场可编程的非传统计算架构提供了强大的方法.
• 这种方法可以在同一基板上集成多种不同的计算结构 (例如优化和序列学习).
• 该技术为高度通用和高效的计算系统铺平了道路,重新配置的能源成本最小.