Memristor ベースのベイジアン ニューラル ネットワーク

CEA-Leti、CEA-List、および CNRS の研究者は、完全な memristor ベースのベイジアン ニューラル ネットワーク 正確な偶発的および認識的不確実性を備えた不整脈記録のタイプを分類するための実装。

ベイジアン ニューラル ネットワークは、予測不確実性評価を提供するため、少量のノイズの多い入力データに基づく感覚処理アプリケーションに役立ちますが、確率的な性質により、確率分布を保存する乱数発生器の使用によりエネルギーと計算要件が増加します。

「乱数発生器を使用する代わりに、メモリスタの固有の変動性を利用して、これらの確率分布を保存しました」と CEA-Leti の首席研究員である Elisa Vianello 氏はリリースで述べています。推論を実行するアプローチには、大規模な並列積和演算 (MAC) 操作が必要です。 「これらの操作は、CMOS ベースの ASIC やフィールド プログラマブル ゲート アレイで実行すると、プロセッサとメモリの間でデータが往復するため、電力を大量に消費します。私たちのソリューションでは、オームの法則による入力電圧と確率的シナプス重みの乗算、およびキルヒホッフの電流法則による累積を自然に実装するメモリスタのクロスバーを使用して、消費電力を大幅に削減します。」

このアプローチにより不確実性の定量化が可能になり、ネットワークがトレーニング データの範囲外にある可能性のある状況を特定できるようになります。 [1]

ハイブリッド相変化メモリスタ

ロチェスター大学の科学者が開発した ハイブリッド抵抗スイッチ メモリスタと相変化材料を組み合わせたものです。

「私たちは、メモリスタと相変化デバイスのアイデアを、どちらかのデバイスの限界を超えることができる方法で組み合わせました」と、ロチェスター大学の電気工学およびコンピュータ工学および物理学の助教授、スティーブン M. ウー氏は述べています。リリースで。 「私たちは、あるタイプの結晶を別のタイプの結晶相に駆動する 2 端子メモリスタ デバイスを作成しています。これら 2 つの結晶相には異なる抵抗があり、それを記憶として保存できます。」

2D 材料にひずみを加えることで、XNUMX つの異なる結晶相の間の点に位置することができ、比較的少ない電力でどちらの方向にも動かすことができます。

「私たちは基本的に素材を一方向に伸ばし、別の方向に圧縮するだけで設計しました」とウー氏は続けた。 「そうすることで、パフォーマンスが桁違いに向上します。これが超高速かつ超効率のメモリ形式として家庭用コンピュータに導入される可能性があると私は考えています。それはコンピューティング全般に大きな影響を与える可能性があります。」 [2]

銀ベースのメムリスティブデバイス

三明大学と延世大学の研究者は、 銀分散カルコゲナイド薄膜 メモリスティブデバイスの抵抗スイッチング用。

「カルコゲニド薄膜内の当社の拡散銀ベースのメムリスティブデバイスは、消費電力が低く、人間の脳の並列処理を模倣しています。これにより、クロスバー アレイでの実装に適しており、MNIST (修正国立標準技術研究所) の手書き数字認識データベースで最大 92% の認識率を達成しました」と、サミョク大学教授のミン ギュ ヤン氏は声明で述べています。 。

このデバイスは、製造前や動作前に化学変化を引き起こすための電流を必要とせず、85℃の環境下で2時間の状態保持と信頼性の高い耐久性の両方を実証しました。 [3]

参考文献

[1] Bonnet, D.、Hirtzlin, T.、Majumdar, A. 他。 memristor ベースのベイジアン ニューラル ネットワークにより、不確実性の定量化を極限まで実現します。 Nat Commun 14、7530 (2023)。 https://doi.org/10.1038/s41467-023-43317-9

[2] Hou、W.、Azizimanesh、A.、Dey、A. 他。垂直二テルル化モリブデン相変化メモリスタのひずみ工学。ナットエレクトロン（2023）。 https://doi.org/10.1038/s41928-023-01071-2

[3] Su Yeon Lee、Jin Joo Ryu、Hyun Ky Seo、Hyunchul Sohn、Gun Hwan Kim、Min Ky Yang、容易に活性化される電子メモリスタ用の銀分散カルコゲニド媒体、応用表面科学、第 644 巻、2024 年、158747、ISSN 0169 -4332、 https://doi.org/10.1016/j.apsusc.2023.158747