science >> Wetenschap >  >> nanotechnologie

Straintronic spin-neuron kan neurale computing aanzienlijk verbeteren

Het spin-neuron van de straintronic bestaat uit magneten met mechanische spanning die worden gegenereerd door een elektrische spanning. Omdat de magneten met zeer weinig spanning kunnen worden geschakeld, het apparaat heeft een zeer hoge energie-efficiëntie. Krediet:Biswas, et al. ©2015 IOP Publishing

(Phys.org) -Onderzoekers hebben een nieuw type kunstmatig neuron voorgesteld, een 'straintronic spin-neuron' genaamd, dat zou kunnen dienen als de basiseenheid van kunstmatige neurale netwerken - systemen gemodelleerd naar menselijke hersenen die het vermogen hebben om te berekenen, leren, en aanpassen. In vergelijking met eerdere ontwerpen, het nieuwe kunstmatige neuron is potentieel ordes van grootte energiezuiniger, robuuster tegen thermische degradatie, en vuurt sneller.

De onderzoekers, Ayan K. Biswas, Professor Jayasimha Atulasimha, en professor Supriyo Bandyopadhyay aan de Virginia Commonwealth University in Richmond, hebben een artikel gepubliceerd over het straintronic spin-neuron in een recent nummer van Nanotechnologie .

Zoals de wetenschappers uitleggen, het vinden van een effectieve manier om echte neuronen na te bootsen is essentieel om het volledige potentieel van kunstmatige neurale netwerken te realiseren, toch is deze taak moeilijk gebleken.

"De meeste computers zijn digitaal van aard en verwerken informatie met behulp van Booleaanse logica, "Bandyopadhyay vertelde Phys.org . "Echter, er zijn bepaalde rekentaken die beter geschikt zijn voor 'neuromorphic computing, ' die is gebaseerd op hoe het menselijk brein informatie waarneemt en verwerkt. Dit inspireerde het veld van kunstmatige neurale netwerken, die in de vorige eeuw grote vooruitgang boekte, maar uiteindelijk werd gedwarsboomd door een hardware-impasse. De elektronica die wordt gebruikt om kunstmatige neuronen en synapsen te implementeren, maakt gebruik van transistors en operationele versterkers, die enorme hoeveelheden energie in de vorm van warmte afvoeren en grote hoeveelheden ruimte op een chip innemen. Deze nadelen maken thermisch beheer op de chip extreem moeilijk en neuromorfisch computergebruik minder aantrekkelijk dan het zou moeten zijn.

"Gelukkig, er zijn andere manieren om neuronen te implementeren, zoals met magnetische apparaten. Men dacht dat magnetische apparaten veel minder warmte afgeven, maar wat we ontdekten is dat ze niet noodzakelijkerwijs in alle omstandigheden minder warmte afvoeren. De warmteafvoer hangt af van hoe de magnetische apparaten worden geschakeld om de werking van een neuron na te bootsen. Als ze met stroom worden geschakeld, wat de gebruikelijke benadering is, dan geven ze niet veel minder warmte af, en, in sommige omstandigheden, kunnen zelfs meer warmte afgeven dan transistoren.

"Echter, er is een manier om bepaalde soorten magneten te schakelen met mechanische spanning die wordt gegenereerd door een elektrische spanning. We ontdekten dat als magneten met die benadering worden geschakeld, dan zijn de magnetische neuronen inderdaad veel minder dissipatief dan zowel hun transistorgebaseerde tegenhangers als hun stroomgeschakelde magnetische tegenhangers. Dit is het 'straintronic spin-neuron, ' en het kan een boost geven aan neuromorfische informatieverwerkingshardware."

Een door stroom aangedreven spin-neuron, hier getoond, is gebaseerd op magneten zoals het straintronic spinneuron. Echter, het stroomgestuurde spinneuron is minder energie-efficiënt en verdrijft orden van grootte meer warmte dan het spanningsgestuurde straintronic spinneuron. Krediet:Biswas, et al. ©2015 IOP Publishing

Zoals de onderzoekers uitleggen, de voorgestelde straintronic spinneuron is gebaseerd op een magneto-tunneling junctie, dat is een drielagige structuur bestaande uit een harde nanomagneet, een afstandslaag, en een zachte magnetostrictieve nanomagneet bovenop een piëzo-elektrische film. Het toepassen van spanningspulsen op het neuron genereert een spanning in de piëzo-elektrische film, die gedeeltelijk wordt overgebracht naar de zachte magnetostrictieve nanomagneet. Wanneer de spanning in de nanomagneet een drempelwaarde overschrijdt, de magnetisatie roteert abrupt, die de weerstand van de magneto-tunneling junctie tussen twee stabiele toestanden verandert. De abrupte verandering in spanning over het apparaat bootst het afvuren van neuronen na.

"De buitengewone energie-efficiëntie van het spin-neuron van de straintronic is te wijten aan het feit dat er heel weinig spanning nodig is om de magnetisatie van een zachte magnetostrictieve nanomagneet die elastisch is gekoppeld aan een piëzo-elektrische film - een systeem dat bekend staat als een 'tweefasig multiferroïcum' - om te schakelen. zolang de magnetostrictieve nanomagneet is gemaakt van een speciale klasse materialen met een zeer hoge magnetostrictie, zoals Terfenol-D, ', leggen de onderzoekers uit.

Behalve energiezuiniger, de straintronic spinneuron is ook veel beter bestand tegen thermische ruis dan stroomgedreven spinneuronen. Bij temperaturen boven 0 K, thermische ruis creëert een extra willekeurig koppel op de magnetisatie van elke nanomagneet, wat de kans vergroot dat het neuron zal vuren voordat de drempelspanning wordt bereikt of niet zal vuren na het bereiken van de drempelspanning.

Dit schadelijke effect kan worden tegengegaan door de drempelstroom voor het vuren te verhogen (in het geval van stroomgestuurde spinneuronen) of de drempelspanning voor het vuren (in het geval van spanningsgestuurde straintronic spinneuronen), maar dit zal ook de energiedissipatie verhogen. Hier, de onderzoekers toonden aan dat de afweging tussen energie-efficiëntie en betrouwbaarheid het straintronic-spinneuron overweldigend bevoordeelt ten opzichte van stroomgestuurde spin-neuronen, die naar schatting meerdere orden van grootte meer energie dissiperen.

Met deze voordelen, straintronic spin-neuronen kunnen verschillende toepassingen hebben in neurale computing.

"Wat we hebben bestudeerd is een perceptron, wat een wiskundig model is van het kunstmatige neuron, " zei Atulasimha. "Er zijn veel mogelijke toepassingen hiervan in neurale computing. Een gebied waarin we geïnteresseerd zijn, is spike-timing-afhankelijke plasticiteit, wat een vorm van Hebbisch leren is. Er wordt algemeen aangenomen dat het ten grondslag ligt aan leren en informatieopslag in de hersenen, en er is een enorme hoeveelheid literatuur die hierover gaat. Straintronische spinneuronen worden geactiveerd door spanningsimpulsen, en er zijn duidelijke routes om ze aan te passen aan het spike-timing-afhankelijke plasticiteitsmodel. We zijn ook geïnteresseerd in karakterherkenning, die feed-forward-netwerken en beeldcompressie gebruikt. Dat sluit niets anders uit. Overal waar warmteafvoer een spoiler is, het straintronic spin-neuron kan mogelijk een oplossing bieden."

De volgende stappen voor de onderzoekers zijn het fabriceren van de fysieke apparaten.

"Het bewijs van de pudding zit altijd in het eten, ' zei Biswas. 'Vroeg of laat, dit apparaat zal experimenteel moeten worden gedemonstreerd. Onze groep heeft experimenteel aangetoond dat de magnetisatie van een magneet met spanning wordt omgeschakeld in veel verschillende systemen en we zullen ernaar streven om het straintronic spinneuron in de toekomst te demonstreren."

© 2015 Fys.org