用于神经形态计算的成对磁畴壁赛道中最大化的侧抑制
应用物理
2019-12-11 v1 介观与纳米尺度物理
摘要
侧抑制是神经形态计算中的一项重要功能,其模拟了生物神经元行为:一个放电神经元使其同层相邻神经元失活并阻止它们放电。在大多数神经形态硬件平台中,侧抑制由外部电路实现,从而降低了此类系统的能量效率并增加了面积开销。近来,畴壁—磁隧道结(DW-MTJ)人工神经元在建模中被证明具有内在抑制性。无需外围电路,DW-MTJ 神经元中的侧抑制源于相邻神经元单元间的静磁相互作用。然而,DW-MTJ 神经元中的侧抑制机制尚未被充分研究,导致仅在间距极小的器件中才出现微弱抑制。本工作通过对一对相邻 DW-MTJ 神经元中的电流驱动与场驱动畴壁运动建模来解决这些问题。我们通过调节神经元间的磁相互作用最大化了侧抑制的幅度。结果由电流驱动畴壁速度对外磁场的响应特性解释,并通过解析模型量化。最后,研究了侧抑制强度对器件参数的依赖关系。这为 DW-MTJ 神经元中侧抑制实现的优化提供了指导。随着强侧抑制的实现,此类神经形态器件上通向胜者通吃等竞争学习算法的路径成为可能。
引用
@article{arxiv.1912.04505,
title = {Maximized Lateral Inhibition in Paired Magnetic Domain Wall Racetracks for Neuromorphic Computing},
author = {C. Cui and O. G. Akinola and N. Hassan and C. H. Bennett and M. J. Marinella and J. S. Friedman and J. A. C. Incorvia},
journal= {arXiv preprint arXiv:1912.04505},
year = {2019}
}
备注
8 pages, 5 figures