《基於自旋電子器件隨機性的神經網路認知系統》是依託北京航空航天大學，由張有光擔任項目負責人的面上項目。
基本介紹
- 中文名：基於自旋電子器件隨機性的神經網路認知系統
- 依託單位：北京航空航天大學
- 項目負責人：張有光
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
當前積體電路面臨高功耗、低可靠性等瓶頸，計算能力難以繼續提高，新型信息器件及新型計算方法成為研究熱點。由於自旋電子器件具有非易失存儲、無限次高速讀寫、易於與導體工藝集成等優點，被廣泛認為是解決功耗瓶頸的關鍵技術。人工神經網路可以進行超低功耗及高容錯性計算，是未來智慧型晶片的主要計算構架之一。因此本課題基於新型自旋電子器件--自旋轉移動量矩非易失磁性隨機存儲器（STT-MRAM）構建人工神經網路的突觸，創造性地利用其在短編程脈衝下固有的、可控的隨機特性，實現低功耗認知套用。我們將對磁性隧道結（MTJ）的隨機特性進行研究和建模；結合機器學習與仿生學領域的已有成果設計和演示利用該隨機特性的突觸學習規則；模擬對現實生活中的套用，設計並製造一個小型演示器。本課題將以一種新的方法實現人工神經網路的低功耗認知套用，對人工智慧研發和認知套用提供一種十分有益的探索。
結題摘要
受啟於人腦的工作機理，神經網路認知系統由於具有大規模並行的三維網路拓撲結構、計算與存儲一體化、高能效及固有的容錯性和魯棒性等特性，有望打破傳統馮諾依曼架構中的“存儲牆”和“功耗牆”問題。本課題面向低功耗、高集成度神經網路認知系統需求，以磁隧道結為基元，從器件建模、電路設計和系統仿真三個層面開展了跨層聯合研究，取得的主要研究成果如下： 1、構建了一個基於自旋轉移矩效應的垂直磁各向異性隧道結（STT-PMA-MTJ）的電氣簡化模型和可用於系統仿真的行為模型，為後續基於自旋電子器件的神經網路認知系統設計及性能分析奠定了基礎。 2、設計了一種基於多個STT-PMA-MTJ並聯的複合自旋電子神經突觸器件、一種簡化隨機仿生學習規則及一種自旋隨機脈衝神經元電路。基於設計的自旋神經突觸器件、自旋神經元電路和學習規則，搭建了一個全自旋脈衝神經網路。系統仿真結果表明設計的全自旋脈衝神經網路可實現高精度神經形態計算，且對器件偏差具有很強的魯棒性。本項研究的意義在於提出了一種基於二值納米存儲器件來實現神經形態計算的新方法，從而擴充了用於實現神經突觸器件和神經元器件的材料系統。 3、設計了一種基於多個STT-PMA-MTJ垂直堆疊的新型複合自旋電子器件，並從器件物理、器件製備、電路仿真三個角度驗證了該器件可模擬單個人工神經突觸。此外，基於新型複合自旋電子器件還設計了一種可實現多閾值傳遞函式的人工神經元電路。仿真結果表明基於設計的新型複合自旋電子器件搭建的全自旋人工神經網路可高精度神經形態計算，且對器件偏差具有很強的魯棒性。仿真結果分析表明：與人工神經元輸出信號精度相比，突觸權值精度對全自旋人工神經網路的學習精度的影響更大。 4、構建了一個用於系統仿真的模擬器，對自旋神經網路認知系統開發提供了一個借鑑的測試平台。 本課題的研究成果對未來基於自旋電子器件的神經網路認知系統設計有一定的指導作用。
