Cálculo Neurormórfico Robusto de Baixa Energia Usando Dispositivos Sinápticos

A computação inspirada no cérebro é um campo emergente, que tem como objetivo alcançar desempenho semelhante ao do cérebro no processamento em tempo real de dados sensoriais. Os desafios que precisam ser abordados para alcançar tal sistema computacional incluem a construção de uma arquitetura compacta massivamente paralela com dispositivos de interconexão escaláveis, consumo de energia ultrabaixo e esquemas de computação neuromórfica robustos para implementação de aprendizado no hardware. Neste artigo, discutimos estratégias de programação, características de materiais e esquemas de picos, que permitem a implementação de plasticidade sináptica simétrica e assimétrica com dispositivos que utilizam materiais de mudança de fase. Demonstramos que o consumo de energia pode ser otimizado ajustando o regime de operação do dispositivo e o esquema de pico. Nossas simulações ilustram que uma matriz crossbar composta por dispositivos sinápticos e neurônios pode alcançar aprendizado associado semelhante ao hipocampo com sinapses simétricas e aprendizado de sequência com sinapses assimétricas. A conclusão de padrões para padrões com 50% de elementos faltantes é alcançada por meio de aprendizado associativo com plasticidade simétrica. A robustez do aprendizado contra ruídos de entrada, variação nos dados sensoriais e variação na resistência do dispositivo são investigadas por meio de simulações.