基于忆阻器的突触网络与原位计算逻辑运算
材料科学
2011-08-23 v1 新兴技术
摘要
我们提出了基于忆阻器件的新型计算构建模块。这些模块可用于实现监督或非监督学习模块，其实现方式采用了一种交叉点架构，该架构是针对纳米级两端忆阻器件的高效阵列实现。基于这些模块以及一个经实验验证的忆阻器 SPICE 宏模型，我们首先证明了脉冲时间依赖可塑性 (STDP) 可由单个忆阻器件实现，其次，通过一个 的突触网络，展示了基于忆阻器的、经由 STDP 实现的竞争性 Hebbian 学习。这是通过根据突触前和突触后脉冲之间的时间差来调整忆阻器的电导值（权重）而实现的。由于忆阻器的特性，如记忆衰减、作为施加电压/电流函数的高度非线性开关行为以及功能均匀性，这些实现存在若干缺点。这些缺点可以通过利用可与模拟行为协同用于仿生计算的混合门来解决。本文中的数字实现利用了忆阻器的原位计算能力。
引用
@article{arxiv.1108.4182,
title = {Memristor-based Synaptic Networks and Logical Operations Using In-Situ Computing},
author = {Omid Kavehei and Said Al-Sarawi and Kyoung-Rok Cho and Nicolangelo Iannella and Sung-Jin Kim and Kamran Eshraghian and Derek Abbott},
journal= {arXiv preprint arXiv:1108.4182},
year = {2011}
}
备注
18 pages, 7 figures, 2 tables