Computing with Dynamical Systems Based on Insulator-Metal-Transition Oscillators
在本文中,我们回顾了最近的工作,新的计算范式使用耦合振荡动力系统。我们探讨系统的弛豫振荡器的基础上的线性状态转换设备,两个离散状态之间切换滞后。通过利用复杂的,连接的系统的动态,我们拥抱的哲学“让物理做计算”,并演示如何控制,编程和观察这些系统的复杂相位和频率动态,以解决计算困难的问题。虽然我们在本文中的讨论仅限于绝缘体到金属(IMT)状态转换设备,这种计算模式的一般哲学可以被翻译到其他介质,包括光学系统。我们提出了必要的数学处理,以了解这些系统的时间演化,并通过最近的实验结果表明,这种计算原语的潜力。
2016-08-19 cond-mat.mes-hall cs.ET math.DS
Neuromorphic Computing through Time-Multiplexing with a Spin-Torque Nano-Oscillator
制造拇指大小的强大神经形态芯片需要将它们的基本单元:突触和神经元进行计算机化。神经元面临的挑战是将它们缩小到亚微米直径,同时保持允许可靠的信息处理的特性:高信噪比,耐久性,稳定性,可重复性。在这项工作中,我们证明了紧凑的自旋扭矩纳米振荡器可以自然地实现这样的神经元,并量化它们实现实际认知任务的能力。特别是,我们表明,他们可以自然地实现高性能的储备池计算,并详细说明了这种能力的配方。
2019-04-25 cs.ET physics.app-ph
Coupled oscillator networks for von Neumann and non von Neumann computing
对计算性能和效率的需求的疯狂增长,以及当前主要解决方案的内在局限性,正在推动科学界转向标准计算架构的非常规,有时甚至是异国情调的替代方案。在这项工作中,我们提供了一个全景的最相关的替代品,无论是根据和不冯诺依曼架构,突出的经典挑战,如能源效率和/或计算复杂性,他们正在努力解决。我们专注于基于弱耦合振子网络的替代方案。这种非传统的方法,已经介绍了后藤和冯诺依曼在50年代,最近重新获得兴趣与潜在的应用,冯诺依曼和非冯诺依曼类型的计算。在这方面的贡献,我们提出了一个一般框架的基础上的相位方程,我们来自非线性弱耦合振荡器的描述,特别是有用的计算应用程序。然后,我们使用这种形式主义来设计和证明布尔门的工作原理和稳定性评估,如NOT和MAJORITY,可以潜在地用作冯诺依曼和非冯诺依曼架构的构建模块。
2020-12-22 cs.ET math.DS
Autonomous Learning of Attractors for Neuromorphic Computing with Wien Bridge Oscillator Networks
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
利用 Wien 桥振荡器网络实现自主学习的神经形态计算,通过相位关系编码模式并利用赫布规则实现持续学习。
2025-12-16 cs.ET cs.NE nlin.AO
A Model of an Oscillatory Neural Network with Multilevel Neurons for Pattern Recognition and Computing
本研究使用了一种新的方法,多级神经元和高阶同步效应所描述的一个家庭的特殊度量,模式识别的振荡神经网络(ONN)。该网络的输出振荡器(神经元)在其与参考振荡器的同步值中具有多级变化,并且允许将输入模式分类为一组类别。ONN模型是在热耦合二氧化钒振荡器上实现的。采用模拟退火算法对ONN进行训练,以选择网络参数。结果表明,ONN是能够分类512视觉模式(作为一个单元阵列3 * 3,通过对称性分布成102类)到一组类的最大数量的元素多达14。网络的分类能力取决于内部噪声水平和同步有效性参数。该模型允许设计具有高净数据吞吐量的神经网络的多级输出级联。所提出的方法可以应用于各种耦合机制和振荡器拓扑结构的光网络。
2019-08-23 cs.ET nlin.AO
Coupled VO2 oscillators circuit as analog first layer filter in convolutional neural networks
在这项工作中,我们提出了一个存内计算平台的基础上耦合VO2振荡器在硅上的交叉配置。与现有的平台相比,交叉结构在面积密度和振荡频率方面有显著的改进。此外,交叉开关器件表现出低可变性和扩展的可靠性,因此,能够在4耦合振荡器上进行实验。我们证明了类脑计算的能力,使用振荡器的相位关系。作为应用,我们提出用振荡电路代替卷积神经网络中的数字滤波操作。该概念在MNIST数据集上使用VGG13架构进行了测试,在识别任务中实现了95%的性能。
2020-11-18 cs.ET
Perspective on unconventional computing using magnetic skyrmions
本文展望了利用磁性斯格明子实现储备池计算和布朗计算等非传统计算的研究进展、低功耗潜力及主要挑战。
2023-05-21 cond-mat.mes-hall cs.ET
Highly Reproducible and CMOS-compatible VO2-based Oscillators for Brain-inspired Computing
本研究针对VO2基振荡器硅基集成的变异性难题,通过优化退火工艺与衬底堆叠结构,制备出高可重复性、CMOS兼容的VO2基振荡器并构建小型网络,为类脑计算的大规模应用奠定基础。
2024-05-13 cs.ET physics.app-ph
Computing In Spintronic Memory: A Thermal Perspective
University of Minnesota, Twin Cities(明尼苏达大学双城分校)
本文从热学角度研究计算-存储一体化架构,分析其温度分布规律及存储器规模对热性能的影响。
2026-04-08 cs.ET
Boolean Computation Using Self-Sustaining Nonlinear Oscillators
如果布尔逻辑状态在物理上被表示为振荡信号的相位,则实际上任何类型的自持非线性振荡器都可以用作锁存器和寄存器。对这种相位编码逻辑信号的组合运算可以使用算术求反和加法,然后进行幅度限制来实现。有了这些,使用各种各样的自然和工程振荡器的通用布尔计算成为可能。这种相位编码逻辑显示出节能计算的前景。与传统的基于电平的逻辑相比,它还具有固有的抗噪优势。
2015-08-11 cs.ET
Perspective: Content-addressable memories as a computing primitive for today's AI and beyond
Forschungszentrum Jülich(于利希研究中心);RWTH Aachen University(亚琛工业大学);The University of Hong Kong(香港大学)
本文提出内容可寻址存储器(CAMs)作为AI中关联检索的互补硬件原语,支持并行内存匹配,并展望分层搜索、异构集成等方向以补充线性代数计算。
2026-10-08 cs.ET
Injection Locking and Coupling Dynamics in Superconducting Nanowire based Cryogenic Oscillators
本研究数值研究了超导纳米线低温振荡器的注入锁定与耦合动力学,确定了关键参数并实现了相位可控,为振荡神经网络和低温逻辑提供基础。
2025-08-06 cs.ET physics.app-ph
Scalable 28nm IC implementation of coupled oscillator network featuring tunable topology and complexity
本文提出一种 28nm 可扩展耦合振荡器网络 IC,利用改进 PLL、可编程集群耦合与 RISC-V 处理器实现运行时拓扑和复杂度可调,为大规模模拟计算及输运网络稳定性研究提供硬件方案。
2025-05-15 cs.AR cs.ET
An Oscillator-based MaxSAT solver
对有效解决困难的组合优化问题的探索--对传统的数字计算机来说仍然是一个长期的挑战--激发了对许多替代计算模型和平台的探索。作为一个恰当的例子,振荡器网络提供了一个潜在的有前途的能源效率和可扩展的选择。然而,现有的基于振荡器的组合优化求解器主要集中在仅考虑振荡器之间的成对相互作用的二次组合优化问题上。在这项工作中,我们提出了一个新的计算模型的基础上的最大熵产生(MEP)原则,利用更高阶的振荡器之间的相互作用,并证明其在解决非二次最大可满足性(MaxSAT)问题的应用。我们证明了MaxSAT问题的解决方案可以直接映射到振荡器网络中的熵产生率,随后,提出了一种利用内存计算(CiM)原语的面积高效的硬件实现。使用实验与分析和电路模拟,我们阐明了所提出的方法在计算高质量的最佳/接近最佳的解决方案的MaxSAT问题的性能。我们的工作不仅揭示了如何振荡器可以解决非二次组合优化问题,如MaxSAT,但也扩展了应用这种基于动力系统的方法,可以很容易地分解到MaxSAT解决方案的更广泛的一类问题。
2021-09-21 cs.ET physics.app-ph
Physics-inspired Ising Computing with Ring Oscillator Activated p-bits
摩尔定律的接近尾声一直在推动特定领域硬件的开发,以解决一系列特殊的问题。沿着这些路线,具有固有随机构建块(p位)的概率计算已经显示出显著的前景,特别是在硬优化和统计采样问题的背景下。已经提出了p位,并在从异步架构中的小规模随机磁性隧道结(sMTJ)到同步架构中的大规模CMOS的不同硬件基板中进行了演示。在这里,我们设计并实现了一个真正的异步和中等规模的p-计算机(与$\approx$ 800 p位),密切模拟现场可编程门阵列(FPGA)中的sMTJ的异步动态。使用硬的种植伊辛玻璃问题的奇美拉格的实例,我们评估的异步架构的性能对一个理想的,同步的设计,执行并行化(色)精确吉布斯采样。我们发现,尽管缺乏任何仔细的同步,异步设计实现了并行性,在理想的,仔细调整和并行化的同步设计的算法缩放。我们的研究结果突出了大规模p计算机的前景,其中数百万个自由运行的p位由纳米级构建块(如随机磁性隧道结)制成。
2022-05-15 cs.AR cs.DC cs.ET
Stochastic logic in biased coupled photonic probabilistic bits
本文提出利用耦合偏置光学参量振荡器构成的相干伊辛机模拟随机逻辑,为概率计算提供实验可行的光子硬件方案,并通过全密度矩阵数值模拟验证其可行性。
2024-06-06 cs.ET physics.optics
Towards Efficient In-memory Computing Hardware for Quantized Neural Networks: State-of-the-art, Open Challenges and Perspectives
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
本文全面综述了基于存内计算(IMC)的量化神经网络(QNN),将软件量化方法与IMC硬件实现相联系,并提出了开放挑战、设计要求、建议、展望及硬件路线图。
2023-07-08 cs.AI cs.AR cs.ET
Towards quantum computing for clinical trial design and optimization: A perspective on new opportunities and challenges
本文探讨量子计算在临床试验设计与优化中的应用,针对高失败率问题,聚焦模拟、选址和队列识别,提出综合框架以提升效率与有效性。
2024-04-19 cs.ET quant-ph
A perspective on physical reservoir computing with nanomagnetic devices
University of Sheffield(谢菲尔德大学);University of York(约克大学)
神经网络已经彻底改变了人工智能领域,并将变革性应用引入了几乎每个科学领域和行业。然而,这一成功是有代价的;训练高级模型所需的能源是不可持续的。解决这一紧迫问题的一个有希望的方法是开发直接支持算法要求的低能耗神经形态硬件。自旋电子器件固有的非易失性、非线性和记忆性使它们成为神经形态器件的有吸引力的候选者。在这里,我们专注于储备池计算范例,一个循环网络与一个简单的训练算法,适合与自旋电子器件的计算,因为它们可以提供非线性和记忆的属性。我们审查的技术和方法开发neuromorphic自旋电子器件,并得出结论,关键的开放问题,以解决这种设备被广泛使用之前。
2022-12-09 cs.ET cs.LG physics.app-ph
Classical and Quantum Physical Reservoir Computing for Onboard Artificial Intelligence Systems: A Perspective
Artificial Intelligence and Cyber Futures Institute, Charles Sturt University(查尔斯斯特大学人工智能与网络未来学院);Cyber Futures Institute, Charles Sturt University(查尔斯斯特大学网络未来学院)
本文综述了利用经典与量子物理储备计算构建机载神经形态计算机的前景,重点介绍量子神经形态处理器以低于1%的机载电池功耗实现标准计算效率,为解决自主系统AI高能耗问题提供了新路径。
2024-06-14 cs.AI cs.ET cs.NE