节能合成反铁磁性基于斯基米安的人工神经元装置
Ravi Shankar Verma1, Ravish Kumar Raj1, Gaurav Verma1
1Department of Electronics and Communication Engineering, Indian Institute of Technology, Roorkee 247667, India.
Nanotechnology
|July 31, 2024
概括
合成的抗铁磁 (SAF) 斯基米安能够实现直线运动,克服了斯基米安霍尔效应 (SkHE). 本研究介绍了一种使用SAF skyrmions进行集成和发射的神经元模型,用于节能的神经形态计算和图像分类.
科学领域:
- 这就是Spintronics.
- 神经形态计算是一种神经形态计算.
- 材料科学 材料科学 材料科学
背景情况:
- 磁性 skyrmions 由于其独特的特性,对自旋电子有希望.
- 斯基米安霍尔效应 (SkHE) 通过引起不必要的运动来阻碍它们的应用.
- 合成反铁磁 (SAF) 斯基米昂通过使直线运动成为可能,提供了一个解决方案.
研究的目的:
- 提出一个整合和发射 (IF) 人工神经元模型,利用SAF skyrmions.
- 使用这个模型来演示二元化神经网络加速器用于图像分类.
- 为了提高神经形态计算设备的能源效率.
主要方法:
- 在非对称形纳米轨道内基于SAF skyrmions的IF人工神经元模型的开发.
- 利用skyrmion之间的排斥来模仿生物神经元的整合和发射机制.
- 使用SAF skyrmion 基于神经元和突触装置实现二元化神经网络加速器.
主要成果:
- 该SAF skyrmion模型成功地复制了IF神经元的行为,具有可调节的值.
- 拟议的加速器显示出高能效,性能优于SRAM和STT-MRAM.
- 在能源效率 (2.31x与SRAM相比,1.36x与STT-MRAM相比) 和每瓦的吞吐效率方面取得了显著的改进.
结论:
- 对于实际的自旋电子设备来说,SAF skyrmions提供了一条可行的途径来克服 SkHE.
- 拟议的IF神经元模型和加速器为神经形态计算提供了高能效的解决方案.
- 这项研究为先进的低功耗人工智能硬件铺平了道路.
