基于自旋霍尔效应的神经形态计算用高能效 ReLU 设计
介观与纳米尺度物理
2023-07-26 v1
摘要
我们展示了一种由自旋霍尔电流注入的磁隧道结，仅利用自旋电流即可实现自由铁磁体磁化的线性旋转。利用 MTJ 的线性电阻变化，我们设计了人工神经元整流线性激活（ReLU）函数的电路。我们探究了不同自旋霍尔效应（spin Hall effect, SHE）重金属层对 ReLU 电路功耗的作用。我们通过定义一个称为自旋霍尔功率因子的新参数来基准测试具有不同 SHE 层的 ReLU 电路功耗。该参数结合了重金属层的自旋霍尔角、电阻率和厚度，对应于自由 FM 自旋轨道翻转/旋转过程中不同 SHE 层的功耗。我们采用混合自旋电子-CMOS 仿真框架，将 Keldysh 非平衡格林函数形式与 Landau-Lifshitz-Gilbert-Slonzewski 方程及 HSPICE 电路仿真器耦合，以考虑我们提出的 ReLU 设计中自旋输运与 CMOS 元件的多样物理特性。我们还展示了所提 ReLU 电路对热噪声的鲁棒性，以及使不稳定自由铁磁体可用于高能效设计的非平凡功耗-误差权衡。利用所提电路，我们评估了卷积神经网络在 MNIST 数据集上的性能，并展示出与理想 ReLU 相当的分类准确率，且每样本能耗为 75 。
引用
@article{arxiv.2303.06463,
title = {Power efficient ReLU design for neuromorphic computing using spin Hall effect},
author = {Venkatesh Vadde and Bhaskaran Muralidharan and Abhishek Sharma},
journal= {arXiv preprint arXiv:2303.06463},
year = {2023}
}