混合压电-磁性神经元：一种面向节能机器学习的提议
应用物理
2018-04-24 v1 介观与纳米尺度物理
摘要
本文提出了一种由磁体异质结构与带磁隧道结（MTJ）的压电材料组成的自旋电子神经元结构。使用 SPICE 模型对该器件的工作进行仿真。仿真结果表明，与其他自旋电子神经元相比，所提议神经元的能量耗散改善了 70%。与 CMOS 神经元相比，所提议神经元占用更小的面积且以更低的能量运行。由于其通用性和低能耗运行，所提议神经元是被人造神经网络（ANN）系统采用的 promising 候选者。
引用
@article{arxiv.1804.08401,
title = {Hybrid Piezoelectric-Magnetic Neurons: A Proposal for Energy-Efficient Machine Learning},
author = {William Scott and Jonathan Jeffrey and Blake Heard and Dmitri Nikonov and Ian Young and Sasikanth Manipatruni and Azad Naeemi and Rouhollah Mousavi Iraei},
journal= {arXiv preprint arXiv:1804.08401},
year = {2018}
}
备注
Submitted to: ACM Southeast '18