.png){kind=icon}
返回
Reservoir computing in a lithium-based magneto-ionic device
.png){kind=icon}
PRE
AI
DOI：10.1063/5.0312213.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在物质计算利用材料的固有物理动力学来执行复杂计算，通过将计算直接嵌入物理层，实现低功耗、实时数据处理。本文展示了一种电压控制的磁离子器件，可作为能够预测混沌时间序列的存储器计算机。该器件由具有Ta/CoFeB/Ta/MgO/Ta底电极和LiPON/Pt顶电极的交叉结构组成。将混沌Mackey-Glass时间序列编码为施加到器件上的电压信号，而电压依赖性磁畴模式的二维傅里叶变换形成输出。性能受输入速率、输出平滑、存储器状态向量中的元素数量和训练时长的影响。我们识别出两种不同的计算模式：短期预测使用平滑的、低维状态和最小训练得到优化，而围绕Mackey-Glass延迟时间的预测则受益于未平滑的、高维状态和延长训练。存储器计算指标表明，较慢的输入速率更能容忍输出平滑，而较快的输入速率会降低记忆容量和非线性处理能力。这些发现展示了磁离子系统在神经形态计算中的潜力，并提供了针对输入信号特性调整性能的设计原则。
期刊
IF:
2.5
论文数:
2.7K
被引数:
14.5W
机构
引用论文
暂无论文信息