پیاده سازی اسپینترونیک ضرایب سیناپسی شبکه های عصبی مصنوعی

امروزه پیاده سازی سخت افزاری الگوریتم های هوش مصنوعی یکی از پرکاربردترین مباحث در مقالات و صنعت الکترونیک ا ست. شبکه های عصبی مصنوعی به عنوان اصلی ترین و پرکاربردترین بخش الگوریتم های هوش مصنوعی جهت پیاده سازی محاسبات عصبگون Neuromorphic یا الهام گرفته از فرآیندهای زیستی inspired-Bio شناخته می شوند. در این شبکه ها که از دو قسمت اصلی نرون و سیناپس تشکیل شده اند الگوبرداری از ساختار مغز انسان انجام شده که در آن برخلاف سیستم های رایج کامپیوتری قسمت محا سبات و حافظه در هم تنیده شده و از یکدیگر جدا نیستند. در مغز انسان حدود ۱۰ ۱۰ نرون و ۱۴ ۱۰ سیناپس وجود دارد و همانطور که می دانیم سیناپس ها غالب ساختار مغز را تشکیل می دهند. در این مقاله، با استفاده از قطعات اسپینترونیک Spintronic روشی برای پیاده سازی ضریب سیناپسی ارائه شده است که در آن ضرایب سیناپسی به صورت کوانتیزه شده پیاده سازی می گردند. با ا ستفاده از یک ترانزیستور CMOS توان ستیم ضرایب را از نظر آماری بهینه کنیم. روش ارائه شده بر مبنای تکنولوژی جدید اسپینترونیک است که نسبت به موارد مشابه ارائه شده در مقالات حدود ۲۲% کاهش توان دارد و در عین حال دقت شبکه های عصبی پیاده سازی شده در حالت سخت افزاری کاهش فقط یک تا دو در صدی نسبت به حالت نرم افزاری دارند

کلیدواژه ها:

هوش مصنوعی ، محاسبات عصبگون ، شبکه های عصبی مصنوعی ، ضریب سیناپسی و اسپینترونیک