메모리스트어의 임계 논리: 도전과 응용 분야 개요

메모리스트어는 플럭스와 전하라는 기본 매개변수 간의 관계를 완성하는 기본 전자 부품 중 하나입니다. [1] 저항 값을 통해 데이터를 기억하거나 저장할 수 있는 능력은 메모리스트어의 주요 특징입니다. 이 기능은 비휘발성 메모리의 개발에 기여합니다. [2] 메모리스트어 장치와 응용에 대한 개요는 설문 논문 [3] ~ [5]에서 제공됩니다. 임계 논리와 메모리스트어의 결합은 기억과 계산 개념을 통합하는 새로운 설계 개발을 가능하게 합니다.

메모리스트어는 전압을 가하여 저항 상태를 전환할 수 있습니다. 스위치는 디지털 게이트의 기본 아이디어를 구성하므로, 메모리스트어는 게이트 개발에 활용됩니다. 또한, 전원이 꺼져도 저항 상태를 유지할 수 있는 능력으로 인해 메모리로서 사용될 수 있습니다.

메모리스트어의 동작은 신경 세포의 발화 원리와 유사하며, 초기 학습 메커니즘을 암시합니다. 가중치를 업데이트하고 시냅스 강화와 유사한 점을 고려하면 생물학적 신경 회로를 모방하는 좋은 후보가 됩니다.

논리 게이트와 계산 단위의 일반화 블록은 메모리 장치를 통해 탐구되는 주제입니다. 메모리스트어는 다양한 상태나 구성을 수용할 수 있는 능력으로 인해 학습 기반 시스템에 유용한 후보입니다. 인지 세포 [6]라는 개념은 이러한 맥락에서 제안되었습니다.

[6]에서는 하드웨어 기반 메모리 셀을 제시하여 인지 과제를 해결합니다. 제안된 메모리 셀 기반 아키텍처는 신경망의 교차 연결 배선을 피할 수 있으며, 신경망과 동일한 기능을 수행합니다. 다른 하드웨어 학습 시스템과 달리, [6]에서 제안된 셀은 패턴 학습을 위해 여러 반복이 필요하지 않고, 빠르게 학습하기 위한 이진 상태 가중치 모델을 사용합니다. 메모리스트어를 사용하여 이진 상태 모델을 n상태 가중치 모델로 확장하면 이러한 아키텍처의 학습 잠재력을 더욱 높일 수 있습니다. 이는 추가적인 드라이브/제어 회로가 필요할 수 있습니다. 문자 인식에 대한 학습을 메모리스트어에 적용하는 몇 가지 접근 방식은 [7]과 [8]입니다.

논리 게이트는 현대 프로세서의 논리 및 산술 연산자를 구축하기 위한 기본 회로 셀입니다. 20nm 이하의 기술 크기에 이르러, 기존 CMOS 논리 셀 설계는 도전 과제에 직면합니다. 메모리스트어는 저온 칩 면적, 낮은 누설 전류, 신경 세포 발화 메커니즘 모방 능력 덕분에 기존 CMOS 게이트의 대체품으로 유용하게 사용될 수 있습니다. 핵심 설계에는 스위칭 논리 [9], 비율 논리 [10], 상태 논리 [11], 임계 논리 [12], [13]가 포함됩니다.

[14]에서는 인지 세포 아이디어를 사용하여 필름 유방 촬영에서 병변 가능 영역을 찾는 데 활용되었습니다. 여기서는 인지 세포 매개변수가 지역 및 글로벌 입력 이미지 통계와 맞게 조정되었습니다. [15], [16]에서는 새로운 인지 세포 기반 아키텍처를 사용하여 디지털/아날로그 이미지에서 가장자리를 찾습니다. 인지 세포를 사용하면 (그림 2(a) 참조) 만족스러운 가장자리 응답을 얻을 수 있다는 것이 관찰되었습니다. 인지 세포 기반 학습의 높은 처리 속도를 활용하여 [17]에서는 실시간 의료 데이터 처리를 위한 방법을 제안했습니다. 고려된 입력은 수술 중 MRI 이미지 (그림.

나중에 [18]에서는 [6]에서 제안된 아키텍처를 메모리스트어에 적용한 연구를 수행했습니다. 그들은 메모리스트어를 사용하여 디지털 논리 게이트를 구현하는 아키텍처를 연구했습니다. 기본 게이트가 메모리스트어로 구현되면 고급 계산을 매우 빠르게 수행할 수 있는 시스템을 개발할 수 있습니다. [19]는 이러한 맥락에서 관련 연구를 요약한 예시입니다.

전문 한국어 번역:

[3/3 텍스트 조각]:

예시로서, 메머리스트 기반 시스템이 객체 감지 및 추적과 같은 복잡한 인지 작업을 수행할 수 있음을 증명합니다(그림 2(b) 참조).

[20]에서 제안된 연구는 메머리스트를 이용한 고속 푸리에 변환과 베다 곱셈의 구현에 초점을 맞춥니다. 그들은 메머리스트의 중요성을 강조하며, 칩 면적, THD(총 해밍 왜곡), 그리고 제어 가능한 누설 전력에 대한 우수한 성능을 보고했습니다.

실시간 신호 처리가 중요한 음성 인식과 같은 응용 분야에서 메머리스트 패턴 인식기를 통한 하드웨어 처리 속도가 전반적인 성능 향상에 기여할 수 있습니다. 최근 실시간 음성 인식을 위한 시도로는 임계 논리 기반[21] 및 신경 회로 기반[22] 접근법이 있습니다.

얼굴 인식에는 이미지로부터 얼굴 특징 추출과 자연스러운 변동에 대한 내성이 필요합니다. 이는 종종 충분한 훈련 샘플을 획득하는 데 어려움이 있는 패턴 인식 문제의 한 종류입니다. 이러한 경우, 하드웨어 기반 패턴 처리 및 고속 매칭 접근법은 온칩 얼굴 인식 방법을 가능하게 합니다. 최근 접근법으로는 HTM(고차원 메모리) 공간 풀러[23], 임계 논리 기반 패턴 매칭[24], 그리고 신경형 얼굴 인식[25]이 있습니다.

…(본문이 길어 생략되었습니다. 전체 내용은 원문 PDF를 참고하세요.)…