得克萨斯大学奥斯汀分校的研究人员展示了一种基于单隧道结的人工突触，并在这一器件上实现了短期与长期记忆，这一工作以“Realizing both short- and long-term memory within a single magnetic tunnel junction ba ...
|
图1. SALT-MTJ的学习模型 背景 如今的传统神经网络使用单独的记忆和顺序数字逻辑来模拟神经元的功能。在逻辑和存储单元之间穿梭的数据消耗了现代集成电路中很大一部分的功率，被称为冯·纽曼瓶颈。任何使用底层冯·诺伊曼CMOS硬件的神经网络的软件实现都缺乏规模的能力，因为与任何生物对应物相比，功耗要高得多。许多可能的“内存计算”候选方案，如相变存储器、铁电隧道结和磁隧道结(MTJs)已被提出以消除瓶颈。这些候选人试图模仿核心功能的生物神经元使用他们的内在物理。诸如TrueNorth和SpiNNaker这类突破性的研究成果进一步证明，由这些人造神经元组成的人工神经网络(ANN)可以潜在地取代传统的电子电路，传统电路使用分离的逻辑门和计算结构来构建神经网络。这种仿生神经网络的实现，被称为神经形态计算，具有大规模并行任务的能力，并通过将内存和处理功能结合到一个单一单元来消除冯·诺依曼瓶颈。 摘要 突触可塑性是人脑记忆保持的基础。低“预演”率会导致突触连接发生短期变化，从而使突触很快“忘记”，而高“预演”率则确保了记忆在大脑中的长期保留。在本文中，我们提出了一种人工的短期和长期记忆磁隧道结(SALT-MTJ)突触。突触强度的变化映射到SALT-MTJ电导，它是随机变化的，通过自旋转移转矩产生的输入电流刺激。SALT-MTJ突触的一种超稳定的中间磁状态提供了短期的突触可塑性和与生物突触相关的遗忘行为。当SALT-MTJ保持在短期状态时，重复的自旋电流刺激可以引起磁态和相关电导的接近永久的变化，从而提供长期的电位。突触对输入刺激的权重敏感性以及这些短期和长期状态的遗忘行为可以通过人工突触的形状工程来控制。 Synaptic plasticity forms the basis of memory retention in the human brain. Whereas a low “rehearsal” rate causes short-term changes in the synaptic connections such that the synapse soon “forgets,” a high rehearsal rate ensures long-term retention of memory in the brain. In this paper, we propose an artificial short- and long-term memory magnetic tunnel junction (SALT-MTJ) synapse. Changes in the synaptic strength are mapped to the SALT-MTJ conductance, which is varied stochastically via spin-transfer torque resulting from input current stimuli. A meta-stable intermediate magnetic state of the SALT-MTJ synapse provides short-term synaptic plasticity and the associated forgetting behavior as in a biological synapse. Repeated spin-current stimulations, while the SALT-MTJ remains in the short-term state, then can cause a near-permanent change in the magnetic state and associated conductance to provide long-term potentiation. The synaptic weight sensitivity to the input stimulus and the forgetting behavior of these short- and long-term states can be controlled via shape engineering of the artificial synapse. |
让创业更简单