由磁隧道结构成的循环神经网络
无序系统与神经网络
2020-01-29 v2 应用物理
摘要
基于人工神经网络的人工智能最初受人类大脑生物结构启发，其大多通过软件实现但在传统冯·诺依曼计算机上执行，其中所谓的冯·诺依曼瓶颈因计算与存储单元分离而从根本上限制了执行效率。因此，亟需一种能发挥脑启发计算全部优势的合适硬件平台。基于磁化动力学的微磁模拟，我们从理论与数值上证明：由少至40个磁隧道结构成的循环神经网络，在经高效机器学习算法训练后，能够生成并识别周期时间序列。凭借超高运行速度、非易失性存储及高耐久性与可重复性，自旋电子器件是神经形态计算的 promising 硬件候选者。
引用
@article{arxiv.1912.08596,
title = {Recurrent Neural Networks Made of Magnetic Tunnel Junctions},
author = {Qi Zheng and Xiaorui Zhu and Yuanyuan Mi and Zhe Yuan and Ke Xia},
journal= {arXiv preprint arXiv:1912.08596},
year = {2020}
}
备注
5 pages, 4 figures