확률적 샘플링 기계를 위한 초저전력 확률적 IMT 뉴런

확률적 샘플링 기계(SSM)는 확률적 스파이킹 뉴런의 신경 샘플링을 활용하여 지역 최소값을 탈출하고 훈련 데이터셋의 과적합을 방지합니다 1. 이를 통해 결정론적 구현에 비해 오류율이 개선되고, 결과적으로 낮은 비트 정밀도, 감소된 칩 면적, 에너지 소비 감소가 가능해집니다. 본 연구에서는 다음을 실험적으로 입증합니다: (i) V DD =0.7V에서 11.9μW의 기록적인 낮은 피크 작동 전력을 가지는 절연체-금속 상전이(IMT) 뉴런; (ii) 이산화바나듐(VO 2 )의 IMT는 SSM을 위한 컴팩트한 확률적 IMT 뉴런을 실현하기 위한 자연적인 확률적 하드웨어 기초를 제공합니다; (iii) 실험적으로 보정된 장치 모델링을 사용하여 MNIST 데이터베이스 2에서 패턴 인식을 위한 SSM 구현. 이러한 결과는 22nm CMOS ASIC과 비교되며, 확률적 IMT 뉴런 기반 SSM이 시스템 전력 소비를 4.5배 줄이는 것으로 나타났습니다.