基于铁磁铁的神经形态设备模仿腹腔视觉通路,用于高精度的目标识别
Junwei Zeng1,2, Yabo Chen1,2, Jiahao Liu3,4
1The Key Laboratory of Advanced Microprocessor Chips and Systems, College of Computer, National University of Defense Technology, Changsha 410073, China.
ACS applied materials & interfaces
|October 21, 2024
概括
研究人员开发了一种新的铁磁神经元和人工突触,用于自旋神经网络. 这使得更深层次,更易于解释的人工智能能够模仿人类大脑的视觉识别能力.
科学领域:
- 神经科学是一个神经科学.
- 材料科学 材料科学 材料科学
- 计算机科学 计算机科学
背景情况:
- 人类大脑中的腹部视觉通路 (VVP) 通过深层次处理在目标识别方面表现出色.
- 螺旋式人工神经网络 (ANN) 对目标识别有希望,但缺乏可解释性和网络深度,限制了其模仿VVP的能力.
- 现有的自旋无线ANN努力复制VVP硬件实现所需的生物现实主义和深度.
研究的目的:
- 开发一种生物现实的自旋电子设备和可解释的深度网络结构,能够模仿人类的VVP.
- 引入一种具有连续可微分指数线性单位 (CeLu) 激活函数的新型铁磁神经元.
- 使用铁磁材料创建具有高线性和对称性的人工突触.
主要方法:
- 设计和制造了一种 Ferrimagnetic 神经元,其中包含 CeLu 激活功能,增强生物现实性并减轻深度限制.
- 从铁磁材料开发出人造突触,显示出高线性和对称性,适合重量更新算法.
- 提出并模拟了一个全旋转卷积神经网络 (CNN) 架构,利用这些新型神经元和突触来模仿VVP.
主要成果:
- 拟议的全旋转CNN实现了高识别准确度:在CIFAR-10数据集上超过91%,在MNIST数据集上超过98%.
- 与最先进的自旋电子神经形态模型相比,表现出1.13%和1.76%的显著性能改善.
- 生物CNN,使用实验衍生参数,展示了增强的解释性和网络深度.
结论:
- 开发出的铁磁神经元和突触为创建可解释和深度自旋神经网络提供了有希望的方法.
- 这项工作提出了一种可行的方法来提高基于自旋电子设备的神经形态计算的生物性能.
- 拟议的全旋转CNN架构有效地模仿了人类的VVP,为先进的人工智能硬件铺平了道路.
