Opis projektu
Wdrażanie inspirowanych mózgiem obliczeń w przestrzeni odwrotnej pojedynczego elementu magnetycznego
Sztuczne sieci neuronowe to systemy obliczeniowe, dla których inspiracją były biologiczne sieci neuronowe. Imitują one mózg poprzez wykorzystanie nieliniowych elementów, które działają jak neurony połączone sztucznymi synapsami. Obecne architektury wiążą się z pewnymi wyzwaniami: liczba wdrażanych synaps jest bardzo ograniczona, w porównaniu z ich dziesiątkami tysięcy występującymi w ludzkim mózgu. Co więcej, zmiana wagi każdego połączenia wymaga dodatkowych elementów pamięci. Rozwiązaniem tego problemu zajmie się finansowany ze środków UE projekt k-NET. Jego zespół proponuje nową architekturę opartą na założeniu, że dynamiczną hiperłączność można wdrożyć nie tyle w przestrzeni rzeczywistej, co przestrzeni odwrotnej lub k-przestrzeni. Aby zademonstrować to nowatorskie podejście, naukowcy wybiorą nanostruktury ferromagnetyczne, w których rolę neuronów odgrywają populacje wirujących fal – wzbudzenia elementarne.
Cel
Artificial neural networks represent a key component of neuro-inspired computing for non-Boolean computational tasks. They emulate the brain by using nonlinear elements acting as neurons that are interconnected through artificial synapses. However, such physical implementations face two major challenges. First, interconnectivity is often constrained because of limits in lithography techniques and circuit architecture design; connections are limited to 100s, compared with 10000s in the human brain. Second, changing the weight of these individual interconnects dynamically requires additional memory elements attached to these links.
Here, we propose an innovative architecture to circumvent these issues. It is based on the idea that dynamical hyperconnectivity can be implemented not in real space but in reciprocal or k-space. To demonstrate this novel approach we have selected ferromagnetic nanostructures in which populations of spin waves – the elementary excitations – play the role of neurons. The key feature of magnetization dynamics is its strong nonlinearity, which, when coupled with external stimuli like applied fields and currents, translates into two useful features: (i) nonlinear interactions through exchange and dipole-dipole interactions couple potentially all spin wave modes together, thereby creating high connectivity; (ii) the strength of the coupling depends on the population of each k mode, thereby allowing for synaptic weights to be modified dynamically. The breakthrough concept here is that real-space interconnections are not necessary to achieve hyper-connectivity or reconfigurable synaptic weights.
The final goal is to provide a proof-of-concept of a k-space neural network based on interacting spin waves in low-loss materials such as yttrium iron garnet (YIG). The relevant spin wave eigenmodes are in the GHz range and can be accessed by microwave fields and spin-orbit torques to achieve k-space Neural computation with magnEtic exciTations.
Dziedzina nauki
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-FETOPEN-2018-2019-2020-01
System finansowania
RIA - Research and Innovation actionKoordynator
75794 Paris
Francja