基于铁流体的神经网络：模拟联想存储器的设计
无序系统与神经网络
2013-11-27 v1
摘要
我们分析了一种基于铁流体的联想存储器，该系统由悬浮在可变粘度载体流体中的磁性纳米粒子组成，并受到来自输入和输出磁垫阵列的磁场模式的作用。这种关联依赖于在训练阶段于铁流体中形成模式，在此阶段磁偶极子可以自由移动和旋转以最小化系统的总能量。一旦针对给定的输入 - 输出磁场模式对达到能量平衡，通过冷却载体液体使粒子完全或部分固定。由此产生的粒子分布控制存储状态，这些状态使用集成在输出垫中的自旋阀传感器进行磁读取。实际的存储器由本质上动态的自旋分布组成，仅在响应系统已训练过的输入模式时才实现。我们研究了两种用于存储多种模式的训练算法。通过对该物理系统进行 Monte Carlo 模拟，我们证明了该设备能够存储和回忆两组图像，每组的准确率接近 100%。
引用
@article{arxiv.0705.3402,
title = {A ferrofluid based neural network: design of an analogue associative memory},
author = {R. Palm and V. Korenivski},
journal= {arXiv preprint arXiv:0705.3402},
year = {2013}
}
备注
submitted to Neural Networks