基于超导单磁通量子技术的深度神经形态网络

传统基于半导体的集成电路正逐渐接近基本的缩放极限。近来出现了许多前瞻性方案，以补充或替换基础器件所依托的技术以及数据处理架构。神经形态电路是一种前景广阔的计算方法，其利用了大脑实现高效率的技术。许多现有的神经形态电路依赖于新兴技术的非常规且有用的特性，以更好地模拟大脑运作。其中一种技术是单磁通量子（SFQ）逻辑——一种低温超导技术，其中数据由嵌入电感回路中的约瑟夫森结产生和处理的磁通量子（fluxon）表示。磁通量子在电路中的运动产生量化电压脉冲（SFQ脉冲），类似于神经元放电事件。这些电路通常以数十至数百吉赫兹的时钟频率常规运行，使SFQ成为处理高频脉冲序列的天然技术。先前关于SFQ神经网络的提案常需要高能耗的磁通量子转换、涉及异构技术，或仅关注器件级行为。本文提出了一种深度单磁通量子神经形态网络的设计方法。给出并表征了基于SFQ技术的突触与神经元电路。基于这些基本单元，作为一个案例研究，在架构与电路两个层面对一个深度神经形态XOR网络进行了评估，获得了较宽的分类裕度。所提方法未采用非常规超导器件或半导体晶体管。所得网络可通过外部电流调谐，使该 proposed 系统成为可扩展低温神经形态计算的有效途径。