Op memristor gebaseerd Bayesiaans neuraal netwerk

Onderzoekers van CEA-Leti, CEA-List en CNRS hebben een compleet systeem gebouwd op memristor gebaseerd Bayesiaans neuraal netwerk implementatie voor het classificeren van soorten aritmie-opnamen met nauwkeurige aleatorische en epistemische onzekerheid.

Hoewel Bayesiaanse neurale netwerken nuttig zijn voor sensorische verwerkingstoepassingen op basis van een kleine hoeveelheid luidruchtige invoergegevens, omdat ze voorspellende onzekerheidsbeoordelingen bieden, betekent het probabilistische karakter verhoogde energie- en rekenvereisten door het gebruik van willekeurige getalgeneratoren, die de waarschijnlijkheidsverdelingen opslaan.

“We hebben de intrinsieke variabiliteit van memristors benut om deze kansverdelingen op te slaan, in plaats van willekeurige getallengeneratoren te gebruiken”, zegt Elisa Vianello, hoofdwetenschapper van CEA-Leti, in een persbericht. De aanpak voor het uitvoeren van gevolgtrekkingen vereist grootschalige parallelle vermenigvuldig-en-accumulatie- (MAC)-bewerkingen. “Deze bewerkingen vergen veel energie als ze worden uitgevoerd op CMOS-gebaseerde ASIC’s en in het veld programmeerbare poortarrays, vanwege het pendelen van gegevens tussen processor en geheugen. In onze oplossing gebruiken we dwarsbalken van memristors die op natuurlijke wijze de vermenigvuldiging tussen de ingangsspanning en het probabilistische synaptische gewicht implementeren via de wet van Ohm, en de accumulatie via de huidige wet van Kirchhoff, om het energieverbruik aanzienlijk te verlagen.

De aanpak maakt onzekerheidskwantificering mogelijk, waardoor het netwerk situaties kan identificeren die buiten de trainingsgegevens zouden kunnen liggen. [1]

Hybride faseveranderingsmemristors

Wetenschappers van de Universiteit van Rochester ontwikkelden hybride resistieve schakelaars die memristors en faseveranderingsmaterialen combineren.

"We hebben het idee van een memristor en een faseveranderingsapparaat gecombineerd op een manier die verder kan gaan dan de beperkingen van beide apparaten", zegt Stephen M. Wu, assistent-professor elektrische en computertechniek en natuurkunde in Rochester. in een uitgave. “We maken een memristorapparaat met twee aansluitingen, dat het ene type kristal naar een ander type kristalfase stuurt. Die twee kristalfasen hebben verschillende weerstanden die je vervolgens als geheugen kunt opslaan.”

Door de 2D-materialen te spannen, kunnen ze zich op een punt tussen twee verschillende kristalfasen bevinden en met relatief weinig kracht in beide richtingen worden geduwd.

“We hebben het ontwikkeld door het materiaal in de ene richting uit te rekken en in de andere te comprimeren”, vervolgde Wu. “Door dat te doen, verbeter je de prestaties met ordes van grootte. Ik zie een pad waar dit in thuiscomputers terecht zou kunnen komen als een vorm van geheugen die ultrasnel en ultra-efficiënt is. Dat zou grote gevolgen kunnen hebben voor computergebruik in het algemeen.” [2]

Op zilver gebaseerd memristief apparaat

Onderzoekers van de Sahmyook Universiteit en de Yonsei Universiteit stellen voor om een zilver-dispersieve chalcogenide dunne film voor weerstandsschakeling in geheugenapparaten.

“Ons diffusieve, op Ag gebaseerde memristieve apparaat in een dunne film van chalcogenide vertoont een laag stroomverbruik en bootst de parallelle verwerking van het menselijk brein na. Dit maakt het geschikt voor implementatie in crossbar-arrays, en het behaalde een herkenningspercentage van ~92% in de MNIST (Modified National Institute of Standards and Technology) handgeschreven cijferherkenningsdatabase”, zegt Min Kyu Yang, een professor aan de Sahmyook University, in een verklaring. .

Het apparaat heeft geen elektrische stroom nodig om vóór de productie of het gebruik een chemische verandering teweeg te brengen en heeft aangetoond dat het apparaat zowel de toestand behoudt als een betrouwbaar uithoudingsvermogen heeft in een omgeving van 85°C gedurende 2 uur. [3]

Referenties

[1] Bonnet, D., Hirtzlin, T., Majumdar, A. et al. Het kwantificeren van onzekerheid tot het uiterste brengen met op memristor gebaseerde Bayesiaanse neurale netwerken. Nat Commun 14, 7530 (2023). https://doi.org/10.1038/s41467-023-43317-9

[2] Hou, W., Azizimanesh, A., Dey, A. et al. Stamtechniek van verticale molybdeenditelluride faseveranderingsmemristors. Nat Elektron (2023). https://doi.org/10.1038/s41928-023-01071-2

[3] Su Yeon Lee, Jin Joo Ryu, Hyun Kyu Seo, Hyunchul Sohn, Gun Hwan Kim, Min Kyu Yang, Ag-dispersieve chalcogenidemedia voor gemakkelijk geactiveerde elektronische memristor, Applied Surface Science, Volume 644, 2024, 158747, ISSN 0169 -4332, https://doi.org/10.1016/j.apsusc.2023.158747