Pedaços de pesquisa: 23 de janeiro

Rede neural Bayesiana baseada em Memristor

Pesquisadores do CEA-Leti, CEA-List e CNRS construíram um estudo completo rede neural bayesiana baseada em memristor implementação para classificar tipos de registros de arritmia com incerteza aleatória e epistêmica precisa.

Embora as redes neurais bayesianas sejam úteis para aplicações de processamento sensorial baseadas em uma pequena quantidade de dados de entrada ruidosos porque fornecem avaliação preditiva de incerteza, a natureza probabilística significa maiores requisitos de energia e computação devido ao uso de geradores de números aleatórios, que armazenam as distribuições de probabilidade.

“Exploramos a variabilidade intrínseca dos memristores para armazenar essas distribuições de probabilidade, em vez de usar geradores de números aleatórios”, disse Elisa Vianello, cientista-chefe do CEA-Leti, em um comunicado. A abordagem para realizar inferência requer operações paralelas massivas de multiplicação e acumulação (MAC). “Essas operações consomem muita energia quando realizadas em ASICs baseados em CMOS e matrizes de portas programáveis ​​em campo, devido ao transporte de dados entre o processador e a memória. Em nossa solução, usamos barras transversais de memristores que implementam naturalmente a multiplicação entre a tensão de entrada e o peso sináptico probabilístico através da lei de Ohm, e a acumulação através da lei de corrente de Kirchhoff, para reduzir significativamente o consumo de energia.”

A abordagem permite a quantificação da incerteza, o que permite à rede identificar situações que podem estar fora dos seus dados de treinamento. [1]

Memristores híbridos de mudança de fase

Cientistas da Universidade de Rochester desenvolveram interruptores resistivos híbridos que combinam memristores e materiais de mudança de fase.

“Combinamos a ideia de um memristor e um dispositivo de mudança de fase de uma forma que pode ir além das limitações de qualquer um dos dispositivos”, disse Stephen M. Wu, professor assistente de engenharia elétrica e de computação e de física em Rochester, em um lançamento. “Estamos fazendo um dispositivo memristor de dois terminais, que conduz um tipo de cristal para outro tipo de fase cristalina. Essas duas fases cristalinas têm resistências diferentes que você pode armazenar como memória.”

Ao forçar os materiais 2D, eles podem estar em um ponto entre duas fases cristalinas diferentes e podem ser empurrados em qualquer direção com relativamente pouca potência.

“Nós o projetamos basicamente esticando o material em uma direção e comprimindo-o em outra”, continuou Wu. “Ao fazer isso, você melhora o desempenho em ordens de magnitude. Vejo um caminho onde isso pode acabar nos computadores domésticos como uma forma de memória ultrarrápida e ultraeficiente. Isso poderia ter grandes implicações para a computação em geral.” [2]

Dispositivo memristivo baseado em prata

Pesquisadores da Universidade Sahmyook e da Universidade Yonsei propõem usar um filme fino de calcogeneto dispersivo de prata para comutação de resistência em dispositivos memristivos.

“Nosso dispositivo memristivo difusivo baseado em Ag em uma película fina de calcogeneto apresenta baixo consumo de energia e imita o processamento paralelo do cérebro humano. Isso o torna adequado para implementação em matrizes crossbar e alcançou uma taxa de reconhecimento de aproximadamente 92% no banco de dados de reconhecimento de dígitos manuscritos do MNIST (Instituto Nacional Modificado de Padrões e Tecnologia)”, disse Min Kyu Yang, professor da Universidade Sahmyook, em um comunicado. .

O dispositivo não requer corrente elétrica para induzir alterações químicas antes da fabricação ou operação e demonstrou retenção de estado e resistência confiável em um ambiente de 85°C por 2 horas. [3]

Referências

[1] Bonnet, D., Hirtzlin, T., Majumdar, A. et al. Levando a quantificação da incerteza ao extremo com redes neurais bayesianas baseadas em memristor. Nat Commun 14, 7530 (2023). https://doi.org/10.1038/s41467-023-43317-9

[2] Hou, W., Azizimanesh, A., Dey, A. et al. Engenharia de deformação de memristores verticais de mudança de fase de ditelureto de molibdênio. Elétron Nat (2023). https://doi.org/10.1038/s41928-023-01071-2

[3] Su Yeon Lee, Jin Joo Ryu, Hyun Kyu Seo, Hyunchul Sohn, Gun Hwan Kim, Min Kyu Yang, Meio de calcogeneto Ag-dispersivo para memristor eletrônico prontamente ativado, Applied Surface Science, Volume 644, 2024, 158747, ISSN 0169 -4332, https://doi.org/10.1016/j.apsusc.2023.158747