Apr, 2023

CMOS + 随机纳米磁体：概率推理和学习的异质计算机

PDF
TL;DR本文提出了一种异构计算器，该计算器将基于随机磁隧道结的概率位（p-bits）与现有的 CMOS 技术相结合，恰当的设计提高了概率计算的能效，提供了比仿真高质量的随机比特。
cmosnanotechnologymagnetic tunnel junctionsprobabilistic computingmachine learning
发现论文，激发创造
  • 用磁性 p 位对量子系统进行机器学习

    Moore's Law slowdown necessitates scalable and energy-efficient hardware for AI algorithms, with probabilistic computing and spintronic devices showing promise in designing integrated p-computers for the emerging field of machine learning and quantum physics.

    Oct, 2023

  • 可逆逻辑的随机 p 位

    使用随机单元（如 p 位元）和混合设计实现了可逆的布尔逻辑门和 BM 加法器，同时保持了高度准确性和可逆性。

    Oct, 2016

  • 基于磁隧道结构的计算型随机存取存储器的实验演示

    研究了计算随机存取内存（CRAM）的实验室展示及其在逻辑操作和神经网络应用方面的准确性特点。

    Dec, 2023

  • 利用概率计算机辅助的均场深度玻尔兹曼学习

    利用概率计算机（p-computer）和意味场理论（Mean-Field Theory）辅助学习算法，该研究提出了用于训练难以处理的波尔兹曼机（Boltzmann Machines）的方法以及在可扩展的伊辛机器（Ising machines）中的应用。

    Jan, 2024

  • 电压驱动的硬件信念网络组件

    本文描述了一种硬件构建块，用于概率自旋逻辑（PSL）架构，它由嵌入式 MTJ 和电容电压加法器组成，并使用加权 p 位通过电线互连设计和完整解决了一个小规模的 NP 完全问题 —— 子集求和问题。

    Jan, 2018

  • 用深度学习解决 Boltzmann 优化问题

    高性能计算的效率提升趋于尽头，传统的 CMOS 技术面临物理极限，Miniaturization 无法继续进行；以 Ising 模型为基础的计算系统能够接近热力学极限下的能耗，同时兼具逻辑和存储功能，潜在降低 CMOS 计算中昂贵的数据迁移造成的能源成本；本文的贡献是提出一种结合深度神经网络和随机森林的机器学习方法，用于高效解决 Ising 模型中最小化误差的优化问题，并提供一种将 Boltzmann 概率优化问题转化为监督式机器学习问题的过程。

    Jan, 2024

  • 基于 memristor 启用的随机逻辑的本地随机计算

    通过将忆阻器集成到逻辑电路中，我们开发了一种随机逻辑的方法，其中利用了忆阻器开关的内在随机性来实现具有良好概率和相关性的随机数编码和处理。作为一种实际应用，我们设计了一个紧凑的随机 Roberts 交叉算子用于边缘检测，该算子在 50％噪声存在的情况下展现了出色的轮廓和纹理提取性能，并且由于概率性质和紧凑设计，该算子所需的计算成本比传统二进制计算低 95％。这些结果突显了我们的随机计算方法在自动驾驶、虚拟现实、医学诊断、工业自动化等领域中作为轻量级本地解决方案的巨大潜力。

    Feb, 2024

  • 随机配置机: FPGA 实现

    通过在可编程门阵列 (FPGA) 上实现二值化输入的 SCM 模型，本文报告了两个基准数据集和两个工业数据集的结果，包括单层和深度架构的 SCM。

    Oct, 2023

  • 基于混合密度网络的随机电子器件的机器学习紧凑建模

    通过机器学习中的混合密度网络（MDNs），创新的方法能够模拟电子设备的随机行为，从而克服传统建模技术的局限性。

    Nov, 2023

  • 基于随机计算的二值神经网络硬件实现

    提出了基于随机计算的 Binarized Neural Networks，其输入也进行了二值化，仿真实验表明这样的网络在 Fashion-MNIST 和 CIFAR-10 数据集上可以接近常规的 Binarized Neural Networks 的性能，同时适应了硬件限制的 Binarized Neural Networks 可以在面积和能耗上节省大量资源。

    Jun, 2019