基于 GSST 的光子集成存储器实现具记忆功能的人工突触
应用物理
2019-12-24 v2 光学
摘要
神经网络所执行的机器学习任务已展现出产生可靠且可重复的智能决策的有用能力。集成光子学利用器件的微型化以及信号的波动本质，在执行推理任务时有可能优于电子架构。然而，缺失的光子-光子作用力对高效神经网络所需的非易失性光子器件功能提出了挑战。在此，我们提出一种基于超紧凑（<4μm）混合相变材料 GSST-硅马赫-曾德尔调制器的多级离散态非易失性光子存储器的新概念与优化，其插入损耗低（3dB），可用作光子神经网络中的节点。我们设计了通过钨接触焦耳加热诱导的优化电热开关机制。该操作可改变 GSST 薄膜的相态，从而为网络提供权重更新功能。我们展示，施加于蛇形接触的 5 V 脉冲序列（<1 μs，20 个脉冲）产生晶化，而单个较长时长（2 μs）的脉冲产生非晶化，用于将神经元的模拟突触权重置位。将这种作为光子存储器嵌入的权重功能用于仿真适当训练的 100×100 全连接多层感知机神经网络，在对未见过的数据进行预测时展现出高达 93% 的推理准确率以及对噪声的鲁棒性。
引用
@article{arxiv.1912.02221,
title = {Artificial Synapse with Mnemonic Functionality using GSST-based Photonic Integrated Memory},
author = {Mario Miscuglio and Jiawei Meng and Omer Yesiliurt and Yifei Zhang and Ludmila J. Prokopeva and Armin Mehrabian and Juejun Hu and Alexander V. Kildishev and Volker J. Sorger},
journal= {arXiv preprint arXiv:1912.02221},
year = {2019}
}