물리 뉴럴 네트워크

Physical neural network
다음 항목도 참조하십시오.인공지능 및 뉴로모픽 엔지니어링용 하드웨어

기관에 전기적으로 조절할 수 있는 물질은 신경 시냅스나 고차(수지상)뉴런 모델[1]의 기능을 모방하는 데 사용되는 것은 인위적인 신경 네트워크의 물리적 신경 조직 한 종류이다."물리적"신경 네트워크 물리적 하드웨어로 소프트웨어 기반 다가오고 있는데에 반대하는 신경 세포를 모방하기 위해 사용에 대한 의존을 강조하는 데 이용된다.s. 보다 일반적으로 이 용어는 신경 시냅스를 [2][3]에뮬레이트하기 위해 멤리스터 또는 기타 전기적으로 조정 가능한 저항 재료를 사용하는 다른 인공 신경망에 적용할 수 있다.

물리적 신경망의 유형

아달린

1960년대에 Bernard Widrow와 Ted Hoff는 ADALIN (Adaptive Linear Neuron)을 개발했는데, 이것은 인공 [4]뉴런의 시냅스를 에뮬레이트하기 위해 메모리스터라고 불리는 전기 화학 세포를 사용했다.메모리스터는 구리의 가역 전기 도금을 기반으로 작동하는 3단자 소자로 구현되어 두 단자 사이의 저항이 세 번째 단자를 통해 인가되는 전류의 적분에 의해 제어됩니다.ADALIN 회로는 1960년대에 Memistor Corporation에 의해 잠시 상용화되었으며 패턴 인식에 일부 응용 프로그램을 사용할 수 있게 되었습니다.그러나 메모리스터는 집적회로 제작기법을 사용하여 제작되지 않았기 때문에 기술은 확장성이 없었고 솔리드 스테이트 전자제품이 성숙함에 [5]따라 결국 폐기되었습니다.

아날로그 VLSI

1989년 Carver Mead는 아날로그 신경망의 가장 일반적인 변종인 아날로그 VLSI와 [6]신경계를 출판했다.물리적인 실현은 아날로그 VLSI로 구현됩니다.이것은 종종 낮은 반전에서의 전계효과 트랜지스터로 구현됩니다.이러한 소자는 선형 회로로 모델링할 수 있습니다.이것은 Barrie Gilbert가 1970년대 중반 무렵에 여러 논문에서 기술한 기술이며,[7][8] 특히 1981년부터 그의 Translinear Circuits에 의해 기술되었다.이 방법을 사용하면 회로를 정상 상태에서 잘 정의된 기능 집합으로 분석할 수 있으며 이러한 회로는 복잡한 네트워크에 조립됩니다.

물리 뉴럴 네트워크

Alex Nugent는 물리적 신경망을 나노 입자, 나노 [9]배선 또는 나노 튜브에서 생성된 신호와 나노 연결을 합산하는 데 사용되는 하나 이상의 비선형 뉴런 유사 노드라고 설명합니다.나노접속의 얼라인먼트 또는 자기조립은 신경시냅스와 유사한 기능을 수행하는 인가전계의 이력에 의해 결정된다.그러한 물리적 신경망을 위한 수많은 응용이[10] 가능하다.예를 들어 시간적 가산장치는 입력과 그 출력을 갖는 하나 이상의 나노접속부로 구성될 수 있으며, 입력에 제공되는 입력신호는 하나 이상의 나노접속부를 시간이 지남에 따라 그 접속강도의 증가를 경험할 수 있다.물리적 신경망의 또 다른 예는 2006년 [13]5월 2일 미국 특허청이 알렉스 누겐트에게 발행한 '신경망, 솔루션 및 연결 틈을 이용한 나노테크놀로지 기기 사용'이라는 제목의 미국 특허 703만9619호이다[12].

물리적 신경망의 추가 적용은 2008년 [14]8월 12일 발표된 미국 특허 제7412,428호 '나노테크놀로지 기반 물리적 신경망에 대한 헤브어 및 반헤브어 학습의 적용'에 나와 있다.

Nugent와 Molter는 범용 컴퓨팅과 범용 머신 러닝이 [15]AHaH 가소성 규칙을 실행하는 단순한 멤리스틱 회로를 통해 이용 가능한 운영에서 가능하다는 것을 보여 주었습니다.최근에는 순수 멤리스틱 회로의 복잡한 네트워크도 뉴럴 네트워크 역할을 할 수 있다는 주장이 제기되었습니다.[16] [17]

상변화 뉴럴 네트워크

2002년에 스탠포드 오브신스키는 위상변화 물질이 여러 입력 [18]신호에 누적적으로 반응하는 능력을 가진 아날로그 신경 컴퓨팅 매체를 설명했습니다.상변화 재료의 저항의 전기적 변경은 입력 신호의 가중치를 제어하기 위해 사용된다.

멤리스티브 뉴럴 네트워크

HP Labs의 Greg Snider는 memristive nano [19]device를 사용한 피질 컴퓨팅 시스템을 설명합니다.멤리스터(메모리 저항기)는 박막 재료에 의해 구현됩니다. 박막 재료는 필름 내의 이온 또는 산소 공극을 통해 저항을 전기적으로 조정합니다.DARPA의 SyNAPS 프로젝트는 IBM Research 및 HP Labs와 Boston University Department of Cognitive and Neural Systems(CNS)와 협력하여 멤리스틱 시스템을 기반으로 [20]할 수 있는 신경형 아키텍처를 개발하기 위해 자금을 지원했습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Lawrence, Celestine P. (2022), Compact Modeling of Nanocluster Functionality as a Higher-Order Neuron, IEEE Transactions on Electron Devices
  2. ^ "Cornell & NTT's Physical Neural Networks: A "Radical Alternative for Implementing Deep Neural Networks" That Enables Arbitrary Physical Systems Training Synced". 27 May 2021.
  3. ^ "Nano-spaghetti to solve neural network power consumption".
  4. ^ Widrow, B.; Pierce, W. H.; Angell, J.B. (1961), "Birth, Life, and Death in Microelectronic Systems" (PDF), Technical Report No. 1552-2/1851-1
  5. ^ Anderson, James; Rosenfeld, Edward (1998), Talking Nets: An Oral History of Neural Networks, MIT Press, ISBN 978-0-262-01167-9
  6. ^ Mead, Carver. (1989). Analog VLSI and neural systems. Reading, Mass.: Addison-Wesley. ISBN 0-201-05992-4. OCLC 17954003.
  7. ^ Gilbert, Barrie (1981), Translinear Circuits (Handout, pp. 81)
  8. ^ Gilbert, Barrie (1999-12-27), "Translinear Circuits", Wiley Encyclopedia of Electrical and Electronics Engineering, John Wiley & Sons, Inc., doi:10.1002/047134608x.w2302, ISBN 0-471-34608-X
  9. ^ 미국 특허 6,889,216
  10. ^ 미국의 알려진 특허
  11. ^ 미국 특허 제7028,017호
  12. ^ "Utilized nanotechnology apparatus using a neutral network, a solution and a connection gap".
  13. ^ "United States Patent: 8918353 - Methods and systems for feature extraction".
  14. ^ "United States Patent: 9104975 - Memristor apparatus".
  15. ^ Nugent, Michael Alexander; Molter, Timothy Wesley (2014). "AHaH Computing–From Metastable Switches to Attractors to Machine Learning". PLOS ONE. 9 (2): e85175. Bibcode:2014PLoSO...985175N. doi:10.1371/journal.pone.0085175. PMC 3919716. PMID 24520315.
  16. ^ Caravelli, F.; Traversa, F. L.; Di Ventra, M. (2017). "The complex dynamics of memristive circuits: analytical results and universal slow relaxation". Physical Review E. 95 (2): 022140. arXiv:1608.08651. Bibcode:2017PhRvE..95b2140C. doi:10.1103/PhysRevE.95.022140. PMID 28297937. S2CID 6758362.
  17. ^ Caravelli, F. (2019). "Asymptotic behavior of memristive circuits". Entropy. 21 (8): 789. arXiv:1712.07046. Bibcode:2019Entrp..21..789C. doi:10.3390/e21080789. PMC 7515318. PMID 33267502.
  18. ^ 미국 특허 6,999,953
  19. ^ Snider, Greg (2008), "Cortical computing with memristive nanodevices", Sci-DAC Review, 10: 58–65, archived from the original on 2016-05-16, retrieved 2009-10-26
  20. ^ Caravelli, Francesco; Carbajal, Juan Pablo (2018), "Memristors for the curious outsiders", Technologies, 6 (4): 118, arXiv:1812.03389, Bibcode:2018arXiv181203389C, doi:10.3390/technologies6040118, S2CID 54464654

외부 링크