在ZnTe基础的RBM神经网络的memristor中配置的突触和随机神经功能
Jungang Heo1, Seongmin Kim1, Sungjun Kim1
1Division of Electronics and Electrical Engineering, Dongguk University, Seoul, 04620, Republic of Korea.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|September 5, 2024
概括
研究人员简化了神经网络,使用单一材料创建多功能memristors. 这些设备充当选择器,突触和神经元,达到90%的图像分类准确度,并使随机计算模型成为可能.
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:
- 神经网络是计算密集型的,推动了对硬件加速的研究.
- 由于它们的内存和切换特性,memristors为神经形态计算提供了有前途的解决方案.
研究的目的:
- 为简化神经网络硬件展示一个单一材料的多功能memristor.
- 在一个设备内实现选择器,突触和神经元功能.
主要方法:
- 制造W/ZnTe/W双终端记忆器设备,使用欧文值切换材料.
- 操纵成型工艺电流水平 (μA和mA),以实现不同的功能.
- 突触行为 (可塑性) 和选择器特性 (切换速度,稳定性) 的表征.
主要成果:
- 在MNIST数据集上达到高达90%的准确性,实现了用于突触实现的稳定内存切换操作.
- 证明了稳定的双极值切换和选择器特性 (300 ns的切换速度).
- 使用随机切换实现了一个随机神经元,使得生成受限制的博尔兹曼机器模型.
结论:
- 一个单一的卵子值切换材料可以被设计成执行选择器,突触和神经元功能.
- 这种多功能简化了神经网络硬件,减少了复杂性和潜在的功耗.
- 开发的设备显示了高级神经形态计算应用的潜力,包括生成模型.
