アナログランダム抵抗メモリアレイを備えたエコー状態グラフニューラルネットワーク

2023 年 3 月 1 日

この記事は、Science X の編集プロセスとポリシーに従ってレビューされています。 編集者は、コンテンツの信頼性を確保しながら、次の属性を強調しました。

事実確認済み

査読済みの出版物

信頼できる情報源

校正する

中国科学院、Liu Jia 著

グラフ ニューラル ネットワークは、ソーシャル ネットワーク、電子商取引、薬物予測、人間とコンピューターの相互作用などの研究に広く使用されています。

Nature Machine Intelligence のカバーストーリーとして掲載された新しい研究では、中国科学院マイクロエレクトロニクス研究所 (IMECAS) と香港大学の研究者が、ランダム抵抗メモリ (RRM) を使用してグラフ学習を加速し、40.37 倍の改善を達成しました。代表的なグラフ学習タスクにおけるグラフィックス処理ユニットと比較したエネルギー効率の向上。

従来のノイマン型コンピューターでグラフを使用した深層学習を行うと、データの頻繁な往復が発生し、必然的に長い処理時間と高いエネルギー使用が発生します。 抵抗メモリを使用したインメモリ コンピューティングは、新しいソリューションを提供する可能性があります。

研究者らは、これらの課題に対処するために、新しいハードウェアとソフトウェアの共同設計である RRM ベースのエコー状態グラフ ニューラル ネットワークを発表しました。

RRM は、高効率のインメモリ コンピューティングのために低コストのナノスケールで積み重ね可能な抵抗を利用するだけでなく、絶縁破壊の固有の確率論を活用して、トレーニング コストを効果的に最小限に抑えるエコー状態ネットワークのハードウェアにランダムな投影を実装します。

この作業は、次世代の AI ハードウェア システムの開発にとって重要です。

詳しくは： Shaocong Wang et al、アナログランダム抵抗メモリアレイを備えたエコー状態グラフニューラルネットワーク、Nature Machine Intelligence (2023)。 DOI: 10.1038/s42256-023-00609-5