超导神经形态电路的扇出与扇入特性

神经形态计算有望通过从不同视角设计硬件，进一步延续基于软件的人工神经网络（ANNs）的成功。当前神经形态硬件的研究旨在通过提高能效、运行速度来显著改善 ANN 性能，甚至试图通过原生添加如脉冲操作等功能来扩展 ANN 的效用。一个有前景的神经形态硬件平台基于超导电子学，其有潜力在器件层面整合所有这些优势，此外还提供超导神经形态电路内部以及不同超导芯片之间近乎无损通信的潜力。在此，我们探索了基于约瑟夫森结的超导电路中实现的基本类脑架构组件之一：扇入和扇出。根据我们的计算和 WRSPICE 仿真，我们发现扇出应仅受结计数和电路尺寸限制，并在仿真中展示了 1 比 10,000 量级的结果，类似于人脑。我们发现扇入具有更多限制，但基于当前技术应可实现数百比 1 量级的扇入水平。我们在超导神经形态电路背景下讨论了我们的发现以及设定扇入和扇出限制的关键参数。