Neuromorphic spintronics simulated using an unconventional data-driven Thiele equation approach

要約

この研究では、ティーレ方程式アプローチ (TEA) とマイクロマグネティック シミュレーション (MMS) からのデータの組み合わせに基づいた型破りなモデルを通じて、スピン トルク渦ナノ発振器 (STVO) のダイナミクスの定量的記述を開発しました。
当社の解析モデルを使用して STVO ダイナミクスを解くと、MMS と比較して同じレベルの精度を達成しながらシミュレーションを 9 桁高速化できます。
ここでは、分類タスクを解決するための STVO ベースのニューラル ネットワークをシミュレートすることにより、モデルを紹介します。
入力信号の電流強度と、そのようなシステムに影響を与える可能性のあるノイズのレベルに関してその性能を評価します。
私たちのアプローチは、計算コストを大幅に削減しながら、STVO ベースのニューロモーフィック コンピューティング デバイスの設計を加速するのに有望です。

要約(オリジナル)

In this study, we developed a quantitative description of the dynamics of spin-torque vortex nano-oscillators (STVOs) through an unconventional model based on the combination of the Thiele equation approach (TEA) and data from micromagnetic simulations (MMS). Solving the STVO dynamics with our analytical model allows to accelerate the simulations by 9 orders of magnitude compared to MMS while reaching the same level of accuracy. Here, we showcase our model by simulating a STVO-based neural network for solving a classification task. We assess its performance with respect to the input signal current intensity and the level of noise that might affect such a system. Our approach is promising for accelerating the design of STVO-based neuromorphic computing devices while decreasing drastically its computational cost.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google