自旋神经元：通往高能效神经形态计算机的可能路径
无序系统与神经网络
2015-06-17 v1 新兴技术
神经元与认知
摘要
近年来，基于神经网络架构的类脑计算领域引起了越来越多的关注。为了将相关的算法模型转化为强大且高能效的认知计算硬件，可能需要探索超越 CMOS 的计算器件。此类器件对该计算领域的适用性，很大程度上取决于其物理特性与这些模型中采用的基本计算原语的匹配程度。在本文中，我们讨论了将新兴自旋矩器件应用于生物启发计算的基本原理。最近的自旋矩实验展示了在纳米尺度磁性器件中实现低电流、低电压和高速磁化切换的路径。这种金属磁性、电流模式的自旋矩开关能够以高能效模拟人工神经元的模拟求和与阈值操作。与基于 CMOS 的神经元模拟电路模型相比，自旋神经元可实现两个数量级以上的能耗降低，以及三个数量级以上的能耗 - 延迟积缩减。因此，自旋神经元的应用可成为未来神经形态计算机的一个极具吸引力的选项。
引用
@article{arxiv.1309.3303,
title = {Spin Neurons: A Possible Path to Energy-Efficient Neuromorphic Computers},
author = {Mrigank Sharad and D. Fan and Kaushik Roy},
journal= {arXiv preprint arXiv:1309.3303},
year = {2015}
}