权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Fundamentals and developments of brainmorphic computing hardware

脑拟计算硬件的基础和发展

基本信息

批准号：
20H00596
负责人：
堀尾喜彦
金额：
$ 28.54万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (A)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20H00596/
关键词：
ブレインモルフィック脳型計算脳型ハードウェアニューラルネットワーク高次元複雑ダイナミクス脳型情報処理ニューロモルフィック非線形複雑系高次元ダイナミクスリザバー計算複雑ダイナミクスブレインモルフィックコンピューティングスピントロニクス

项目摘要

１．脳型デバイス・回路基盤の構築：スピントロニクス素子を用いた人工ニューロン・シナプスの実現に向け、材料・素子研究を継続して行い、アナログ的性質の向上や読み出し信号の増大が可能な構造の開発を推進した。また、自励発振機能を有するニューロン回路の構築に用いる共鳴トンネルダイオード(RTD)の製作プロセスを最適化すると共に、RTDニューロン回路の動作を検証した。２．脳型基本アーキテクチャの構築：メゾスコピックなコアネットワークとしてリザバーニューラルネットワーク(RNN)に注目した。まず、カオスニューラルネットワークRNNについて、FORCE学習の適用、音声認識タスクへの応用、出力層へのカオスニューロンの導入などを行い、様々なダイナミクスでの有効性を評価した。また、予測符号化と強化学習を組み込んだRNNモデルの構築・評価を進めた。特にメンタルシミュレーション機能を移動ロボット環境で評価し、行動計画タスク性能が改善されることを示した。さらに、脳神経系の発達と学習の数理モデル構築を進めた。具体的には、振動子系の同期・非同期現象と学習との関係を調査した。また新たに、海馬学習・記憶モデルである時空間学習則に着目し、時間履歴が学習性能の向上に大きく寄与することを明らかにした。３．脳型基本システム試作：１．のスピントロニクスデバイスを用いた回路設計のためのデバイス数理・回路モデルを、熱ダイナミクス・回路に着目して検討し、CMOS回路との融合を図った。４．データ解析：非線形時系列分類手法の改良、強制自励振動系のTaming Chaosの解析、培養神経活動解析、神経雪崩現象を誘起する自己組織神経回路網の解析に取り組んだ。さらに、ネットワーク構造推定手法、およびグラフ間距離を用いたネットワーク構造予測手法を提案し、様々なネットワークに対して適用可能性を明らかにした。

1.脳 type デバイス・Circuit base plate construction: スピントロニクス素子を Use artificial いた artificial ニューロン・シナプスの実成に向け, materials Materials and elements are used to study the properties of を継続して行い, アナログ's properties, の上や読み出しsignal, のincrease, がpossible, のopen発をした. It has a self-excited vibration function and a built-in circuit that uses resonance resonance. RTD)'s production of optimal optimization and RTD circuit's action and certification. 2. Basic armor type construction: メゾスコピックなコアネットワークとしてリザバーニューラルネットワーク(RNN)にAttentionした.まず、カオスニューラルネットワークRNNについて、FORCE learning application、sound recognition タスクへのUtilization, output layer へのカオスニューロンの Import などを行い, 様々なダイナミクスでのeffectiveness を価した.また、Predictive symbolization and reinforcement learning をgroup み込んだRNN モデルのConstruction・Evaluation価を Advance めた. Special features include: mobile environment review, action plan performance improvement, and performance improvements.さらに、脳神経组の発达と学のMATHEMATICS モデルconstruct を进めた. Specifically, the oscillator system's synchronous and non-synchronous phenomena and the relationship between learning and research are investigated.また新たに, hippocampus learning・memory モデルであるtime-space learning rule に目し, time-tracking 歴がlearning performance の上に大きく发与することを明らかにした. 3. Prototype of basic システム type: 1.のスピントロニクスデバイスを Use いたloop designのためのデバイスMathematical and circuit designルを, heat ダイナミクス・loop に目して検 Discussion, CMOS circuit fusion を図った. 4.データ analysis: Improvement of non-linear time series classification techniques, analysis of Taming Chaos of forced self-excited vibration system, analysis of cultivating Kamikaze activities, analysis of inducing Kamikaze avalanche phenomenon by inducing one's own Kamikaze loop network, and analysis of taking and grouping.さらに, ネットワーク structural estimation technique, およびグララフを用いたネットワークStructural prediction techniques are proposed and the possibility of application is revealed.

项目成果

期刊论文数量（341）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

スピントランスファトルク下に於ける磁気エネルギ障壁の実験的決定

自旋转移矩下磁能垒的实验测定

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
S. Chiba;S. Kanai;J. Ishihara;Y. Abe;K. Hatakeyama;S. Fukami;and H. Ohno;金井駿
通讯作者：
金井駿

Nanosecond Stochastic Magnetic Tunnel Junctions for Probabilistic Computing - Experiment and Theory

用于概率计算的纳秒随机磁隧道结 - 实验与理论

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
S. Kanai;K. Hayakawa;K. Kobayashi;T. Funatsu;W.A. Borders;J. Igarashi;B. Jinnai;H. Ohno;and S. Fukami
通讯作者：
and S. Fukami

Time-averaged response of stochastic magnetic tunnel junctions to field and current

随机磁隧道结对场和电流的时间平均响应

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
K. Kobayashi;W. Borders;S. Kanai;K. Hayakawa;H. Ohno;S. Fukami
通讯作者：
S. Fukami

Stochastic magnetic tunnel junctions with a synthetic antiferromagnetic free layer

具有合成反铁磁自由层的随机磁隧道结

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
K. Kobayashi;K. Hayakawa;W. Borders;S. Kanai;J. Igarashi;H. Ohno;S. Fukami
通讯作者：
S. Fukami

"Rich Spike Patterns from the Izhikevich Neuron Model in Response to Periodic Inputs,

“Izhikevich 神经元模型响应周期性输入的丰富尖峰模式，

DOI：
发表时间：
2022
期刊：
Proceedings of the 2022 International Symposium on NonLinear Theory and Its Applications
影响因子：
0
作者：
Yota Tsukamoto;Honami Tsushima;and Tohru Ikeguchi
通讯作者：
and Tohru Ikeguchi