具有可塑性的渗流系统用于神经形态计算
无序系统与神经网络
2019-10-24 v1
摘要
我们引入了具有可塑性的渗流（PWP）系统，其展现出包括多值记忆、随机数生成、矩阵-向量乘法和联想学习在内的神经形态功能。PWP 系统具有多个（N >> 1）与外部电路（电极）的接口，允许 N! >> 1 个可测量的电极间电阻。由于底层材料特性，它们响应电脉冲发生连续的非易失性改变。PWP 网络相较于现有神经网络架构具有若干优势。总体而言，具有高并行度、多输入多输出的随机自调谐 PWP 系统与哺乳动物大脑皮层表现出高度相似性。理解其拓扑、电动力学与统计特性开辟了一个独立的研究领域，亟需新的理论与实验洞见。
引用
@article{arxiv.1910.10535,
title = {Percolation with plasticity for neuromorphic computing},
author = {V. G. Karpov and Maria Patmiou},
journal= {arXiv preprint arXiv:1910.10535},
year = {2019}
}