面向深度脉冲神经网络的纳米级室温多层斯格明子突触
应用物理
2020-10-01 v1 介观与纳米尺度物理
材料科学
计算物理
摘要
磁性斯格明子已引起广泛关注，尤其是近期在多层结构中于室温下实验实现之后。斯格明子的鲁棒性、纳米级尺寸与非易失性引发了大量基于斯格明子的低功耗、超高密度纳米计算与神经形态系统（如人工突触）的研究。要将斯格明子突触集成到实用的未来器件中，需要室温工作。在此，我们通过数值方法提出了一种由磁性多层膜构成的纳米级斯格明子突触，可实现针对最优突触分辨率定制的室温器件工作。我们证明，当将此类多层斯格明子突触嵌入具有基于脉冲时间依赖可塑性规则的无监督学习的简单脉冲神经网络（SNN）时，在现实条件下于 MNIST 手写数据集上仅能达到 78% 的分类准确率。我们提出，通过使用具有监督学习的深度 SNN，该性能可显著提升至约 98.61%。我们的结果表明，所提出的斯格明子突触有望成为未来高能效神经形态边缘计算的候选方案。
引用
@article{arxiv.2009.14462,
title = {A Nanoscale Room-Temperature Multilayer Skyrmionic Synapse for Deep Spiking Neural Networks},
author = {Runze Chen and Chen Li and Yu Li and James J. Miles and Giacomo Indiveri and Steve Furber and Vasilis F. Pavlidis and Christoforos Moutafis},
journal= {arXiv preprint arXiv:2009.14462},
year = {2020}
}
备注
14 pages, 10 figures