스핀 파를 무료 바카라하여 물리적 저수지 컴퓨터의 성능 향상 조건을 이론적으로 설명

-에너지 절약 AI 하드웨어 개발에 대한 새로운 관점-

발표의 포인트

우리는 스핀 파를 무료 바카라하여 물리적 저수지 컴퓨터에서 높은 학습 성능을 달성하기 위해 파동 속도와 요소 크기 사이의 관계를 수학적으로 설명했습니다
우리는 물리적 시뮬레이션과 이론적 계산을 통해 소수의 입력/출력 노드조차도 기존 장치의 최고 성능과 비교할 수있는 성능을 달성 할 수 있음을 보여주었습니다
이것은 자기 요소를 무료 바카라하여 AI 하드웨어 개발에 대한 새로운 관점을 제공하는 성과입니다

요약

최근 몇 년 동안 사회에서 AI 기술을 무료 바카라한 정보 처리에 대한 수요가 급격히 증가하고 있습니다 현재,신경망^{(주 1)}를 무료 바카라한 정보 처리 계산 전자 컴퓨터에서 수많은 CPU (중앙 처리 장치) 및 GPU (이미지 처리 장치)를 무료 바카라하여 수행하므로 전력 소비가 높습니다 반면에 인간은 저전력 소비로 정보를 처리합니다 Reserver Calculation^{(주 2)}그리고 양자 컴퓨팅 기술은 전 세계적으로 진행되고 있습니다

요시나가 나츠 토 (Yoshinaga Natsuto) 부교수, 부교수, 부교수, IIHAMA 켄지 (IIHAMA KENJI 부교수, 토호쿠 대학교, 고급 자료 연구소, 개방형 혁신 실험실)의 연구원의 연구원은 IIHAMA와 함께 대학교의 연구소 (IIHAMA)의 연구원입니다 과학 프론티어 리서치 연구소 (Science Frontier Research Institute), 대학의 고급 스핀 트로닉스 연구 개발 센터의 미즈 카미 나루미 (Mizukami Narumi), 대학원 공학 대학원 공학 대학원의 Koike Yuya (연구 당시)ferromagnetic^{(주 3)}뇌 스핀 웨이브^{(주 4)}기존의 저수지 컴퓨터보다 더 낮은 전력과 고등 학습 성능을 소비 할 것으로 예상 물리적 인 레스터 계산^{(주 5)}를 실행할 수있는 장치를 실현하는 메커니즘을 명확히했습니다

정보 운송 업체로서 스핀 파를 무료 바카라하여 AI 하드웨어에 대한 연구로서 전 세계적으로 발전하여 나노 미터, Gigahertz 및 높은 에너지 효율로 높은 학습 성능을 달성하는 것이 중요한 문제 중 하나입니다 이 연구 그룹은 금속 나노 틴 필름의 강자성 재료를 통과하는 스핀 파를 연구했습니다 시계열 데이터에 비례하는 크기의 자기 재료의 입력 노드 위치를 여기서 스핀 파를 생성하고 출력 노드 위치에서 전파 된 스핀 파를 읽고 단기 메모리 및 비선형 변환 기능을 통해 학습합니다 Chaos 시계열^{(참고 6)}의 예측이 나타났습니다 가능합니다 또한 수학적 분석은 스핀 파의 속도와 요소의 크기 사이의 관계를 보여 주었으며, 이는 학습 성능을 최적화합니다 이 결과는 자기 나노 기술을 무료 바카라하여 저전력 정보 처리 장치의 개발에 대한 새로운 관점을 제공합니다

이 연구는 3 월 1 일 (영국 시간)에 실시되어 Spintronics 분야의 전문 저널을 표시NPJ SpinTronics의 디지털 버전에 게시되었습니다

자세한 설명

연구 배경

최근 몇 년 동안 사회에서 AI 기술을 무료 바카라한 정보 처리에 대한 수요가 급격히 증가하고 있습니다 현재, 정보 처리는 전자 컴퓨터에서 수많은 CPU (중앙 처리 장치) 및 GPU (이미지 처리 장치)를 무료 바카라하여 신경망을 무료 바카라하여 계산되므로 전력 소비가 고가입니다

반면에, 인간은 전력 소비가 적은 정보를 처리하므로 저수지 계산 및 양자 계산 기술과 같은 다양한 개념을 기반으로 과학 및 기술을 무료 바카라한 정보 처리에 대한 정보가 전 세계적으로 진행되고 있습니다 이 중 하나는 자기 나노 기술을 무료 바카라한 물리적 저수지 계산입니다 (그림 1) 나노 미터 크기의 자석에 의해 방출되는 자기 진동 및 진동 인 스핀 파를 무료 바카라하는 정보 운송 업체를 무료 바카라한 물리적 저장소 계산은 계산에서 이들의 중첩을 무료 바카라하고 나노 미터 크기 및 기가 레츠의 주파수에서 작동하며 저전력 소비로 정보를 효율적으로 처리 할 수 있어야합니다 자기 나노 기술 및 광학 레이저를 무료 바카라하여 물리 저수지에 대한 이전 연구가 수행되었습니다 그러나 나노 미터 크기로 높은 학습 성능을 달성하기 위해서는 새로운 원칙에서 작동하는 물리적 저장소에 대한 연구가 중요했습니다

이번에는 이니셔티브

이 연구에서, 우리는 두께가 4 나노 미터의 강자성 박막을 통과하는 스핀 파에 중점을 두었습니다 약한 전류가 자기 재료에 적용되는 경우 스핀 분사 토크^{(주 7)}에 의해 생성됩니다 이것은 돌이 물 표면에 떨어질 때 파도가 퍼지는 현상과 유사합니다 파의 진폭은 전달되는 전류의 크기에 비례하므로, 전류로 무료 바카라되도록 처리 될 입력의 시계열이 전류로 전달되는 경우, 정보는 공간을 가로 지르는 파의 진폭으로 확산됩니다 (그림 1) 파도는 빛보다 훨씬 느린 속도로 이동하므로 다른 위치에서 파동의 진폭을 측정하여 과거의 입력 정보를 읽을 수 있습니다

이 속성을 무료 바카라합니다 Micromagnetic Simulation^{(주 8)}선형 및 비선형 단기 메모리 용량^{(주 9)}ya 비선형 자동 회귀 이동 평균 모델^{(주 10)}의 예측과 같은 작업의 학습 성능을 분석했습니다 결과적으로, 우리는 이전보다 물리적 노드가 적더라도 높은 학습 성능을 달성 할 수 있음을 발견했습니다 (그림 2)

이 결과는 또한 자기 재료의 시간 지연에 대한 반응을 설명하는 수학적 모델에 의해 이해되는 것으로 밝혀졌습니다 수학적 모델의 분석은 스핀 파의 전파 속도와 자기 재료의 크기가 비례 관계를 충족 할 때 높은 학습 성능이 달성되며,이 조건이 충족되지 않으면 학습 성능이 상당히 악화 될 것임을 시사합니다 (그림 3) 또한, 우리는 스핀 파 물리 저수지 계산이 단기 예측과 혼란스러운 시계열의 글로벌 궤적을 재현 할 수 있으며, 이는 예측하기 어려운 것으로 간주되어 매우 복잡한 시간적 변화를 보여줍니다 (그림 4)

미래 개발

이 연구에 따르면 강자성 박막에 스핀 파를 무료 바카라하는 물리적 저수지 컴퓨터는 저전력 소비 컴퓨터에 유용한 후보가 될 수 있습니다 이 연구는 방금 시작되었으며 실제 장치 개발 및 통합을위한 재료의 특성을 포함하여 AI 하드웨어에 대한 적용을 목표로하는 연구를 계속 추구 할 것입니다 또한 물리적 저수지 계산이 높은 학습 성능을 달성 할 수있는 조건을 확인하기 위해 수학적 연구 개발에 기여할 것입니다

그림 1

그림 1 자기 박막의 스핀 파를 무료 바카라한 AI 하드웨어 애플리케이션 및 물리적 저장소 계산의 회로도 입력 시계열을 출력 시계열로 변환하여 시계열 정보 처리를 수행 할 수있는 장치는 입력 시계열의 향후 데이터를 예측하고 과거 데이터를 저장 및 읽을 수 있습니다 입력 시계열은 물리적 저장소에서 물리적 노드 (위의 다이어그램의 노란색 점과 파란색 실린더)의 역학을 자극하고 출력 시계열을 얻기 위해 시간의 변화를 읽습니다 저수지 계산에서, 스핀 파는 물리적 노드를 통해 입력 시계열에 비례하는 전류를 전달함으로써 흥분됩니다 이 스핀 파의 전파는 학습을 수행하는 데 무료 바카라됩니다 스핀 파를 무료 바카라하면 나노 스케일 고성능 저수지 컴퓨터가 가능합니다

그림 2

그림 2 자기 박막의 스핀 파 및 단기 메모리 작업 학습을 무료 바카라한 비선형자가 회귀 이동 평균 모델의 성능 평가 학습 중에, 스핀 파를 읽을 때 각 물리적 노드의 가중치를 조정함으로써 정답 (파란색 선, 상단 그림)에 가까운 출력 (빨간색 선, 왼쪽 상단 그림)을 얻을 수 있습니다 학습 된 가중치 (빨간색 선, 오른쪽 그림)를 무료 바카라하는 것으로 예측하면 매우 작은 오류로 정답 (파란색 선, 오른쪽 위 그림)을 재현 할 수 있습니다 전통적인 자기 기술보다 물리적 노드가 적은 비슷한 학습 성능을 달성 할 수 있습니다

그림 3

그림 3 최적의 학습 성능을 달성하기 위해 물리적 저장소 크기와 정보 전파 속도 사이에 조건이 필요하다고 수학적으로 설명했습니다 이 연구에서 물리적 저장소는 스핀 파를 무료 바카라하여 전파 속도로 장치 크기를 서브 마이크로 크기로 만들 수 있습니다 반면, 광학 요소를 무료 바카라하는 시스템에서는 정보가 빛의 속도로 전파되므로 물리적 저장소의 크기가 커집니다

그림 4

그림 4 스핀파 물리 저수지 계산을 무료 바카라한 혼란 시계열의 예측 Lorentz 모델을 무료 바카라하여 얻은 혼란스러운 시계열의 궤적은 왼쪽 그림에 나와 있습니다 이 시계열을 무료 바카라하여 특정 시간 (올바른 다이어그램)까지 데이터가있을 때 특정 시간까지 데이터를 예측할 수 있는지에 대한 작업을 배웠습니다 혼란스러운 시계열은 초기 값에 민감하므로 단기 예측 (단기 예측) 만 만들 수 있지만 궤도 자체를 재현 할 수있어 스핀 파를 무료 바카라하는 물리적 저장소가 모델의 구조를 배울 수 있습니다

감사의 말

이 연구는 JST Sakigake (JPMJPR22B2), 신흥 연구 지원 프로젝트 (JPMJFR2140), 교육, 문화, 스포츠, 과학 및 기술의 차세대 XICS 반도 제작 센터 형성 프로젝트 (JPJ011438)의 지원으로 수행되었습니다 과학 연구 (a) (JP21H04648) 또한, 일부 연구는 Hokkaido University Information Infrastructure Center의 AI Bridge Cloud 및 Supercomputer Computing Resources에서 AI Bridge Cloud (ABCI)의 제공에 따라 수행되었습니다

기사 정보

제목 : 파도 속도와 크기 사이의 범용 스케일링은 전파 스핀 파를 기반으로 한 나노 스케일 고성능 저수지 컴퓨팅을 가능하게합니다
저자 : S IIHama, Y Koike, S Mizukami 및 N Yoshinaga
*책임 저자 : Tohoku University, Advanced Materials Science 연구소 부교수
게시 된 잡지 :NPJ SpinTronics
doi : 101038/s44306-024-00008-5

용어집

Note 1 신경망: 입력 데이터를 출력 데이터로 변환하여 작업을 수행 할 수있는 기계 학습 모델 유형입니다 시계열 데이터의 경우 작업은 날씨 예측과 같은 과거 날씨 정보 (입력 데이터)에서 향후 날씨 (출력 데이터)를 예측하는 것입니다 먼저, 신경망은 정답 인 입력/출력 데이터 쌍을 무료 바카라하여 교육을받은 다음 신경망은 예측과 같은 작업을 수행하도록 훈련됩니다[참조로 돌아 가기]
참고 2 저수지 컴퓨팅: 시계열 정보 처리에 적합한 기계 학습 방법 중 하나 그것은 반복되는 신경 네트워크의 유형으로 생각할 수 있습니다 입력 시계열을 출력 시계열로 변환함으로써 다음 시간 시리즈 데이터에서 현재 시간까지 데이터 예측과 같은 작업을 수행하고 과거 데이터를 저장하고 추출 할 수 있습니다 시계열의 입력 부분, 입력 데이터를 더 높은 차원 공간으로 변환하는 저수지 부분 및 출력 시계열을 읽는 부분으로 구성됩니다 저수지 부분은 입력의 시간 변화에 따라 시간이 바뀝니다 반복 신경 네트워크에서, 저수지 부분의 노드-노드 연결의 가중치는 학습 할 때 업데이트되는 반면, 저수지 계산에서는 저수지 부분의 가중치가 업데이트되지 않고 읽기 부분의 가중치 만 업데이트됩니다 따라서 학습 매개 변수의 수는 작고 학습 방법은 간단하여 빠르고 안정적인 학습을 가능하게합니다[참조로 돌아 가기]
참고 3 강자성 물질: 동일한 방향으로 향하는 재료 내부에 인접한 회전이있는 자기 재료[참조로 돌아 가기]
참고 4 스핀 웨이브: 자기 재료는 마이크로 바 자석 (스핀)이 순서대로 배열되는 것처럼 동작합니다 각 스핀은 나침반이 스윙하는 것처럼 시간이 지남에 따라 방향을 바꾸어 자기 진동을 초래합니다 자기 진동은 또한 강과 바다 표면의 파도와 마찬가지로 자기 파를 생성합니다 자기 진동 및 파동 전파와 관련된 에너지 소비는 전기에 활력을주는 요소에 비해 매우 작으며, 나노 스케일 및 나노초 시간 규모에서 작동하기 때문에 에너지 절약 정보 처리 장치로 무료 바카라될 것으로 예상됩니다[참조로 돌아 가기]
참고 5 물리적 인 레스터 계산: 저수지 계산은 저수지 부분의 가중치를 업데이트하지 않으므로이 부분은 물리적 시스템으로 대체 될 수 있습니다 이 연구에서, 강자성 박막의 스핀 파의 전파 가이 부분에서 무료 바카라된다 이 경우 컴퓨터의 크기와 속도는 물리적 시스템의 크기와 속도에 의해 결정됩니다 따라서 자기 나노 기술을 무료 바카라하면 나노 스케일, 기가 하르츠 및 저전력 소비에서 작동하는 컴퓨팅 요소를 실현할 수 있습니다[참조로 돌아 가기]
Note 6 Chaos 시계열: 결정 론적 규칙에 따라 시간이 바뀌더라도 불규칙한 행동을 나타내는 현상 천체의 인구, 날씨, 체액 및 생태학의 변화를 포함하여 자연의 다양한 방식으로 관찰 될 수 있습니다 이 연구에 무료 바카라 된 Lorentz 방정식은 1963 년 기상 학자 에드워드 로렌츠 (Edward Lorentz)가 제안한 기상 학적 현상 학적 모델에서 3 가지 변동의 일반적인 미분 방정식에 설명되어 있습니다 초기 값의 약간의 차이는 시간 (초기 가치 민감도)에서 기하 급수적으로 증가하기 때문에 혼란스러운 시계열은 단기 예측에서도 어려운 일이기 때문에 장기 예측에 불가능합니다 그러나 상태 변수의 궤적에는 나비의 날개와 같은 독특한 구조 (유인)가 있습니다 저수지 계산은이 구조를 재현하는 데 성공했습니다[참조로 돌아 가기]
참고 7 스핀 분사 토크 (스핀 전송 토크): 이것은 전자의 스핀 각 운동량이 회전 된 전자를 흐르는 회전력 (토크)을 적용함으로써 자기 층의 스핀에 작용하는 현상이다 토크가 적용되면 스핀 세차가 발생하여 인접한 스핀으로 이동하여 파도로 전파됩니다[참조로 돌아 가기]
Note 8 Micromagnetic Simulation: 컴퓨터의 자기 재료 내부의 스핀 방향의 시공간 변화의 수치 시뮬레이션 방법[참조로 돌아 가기]
참고 9 메모리 용량/비선형 단기 메모리 용량: 시계열 데이터의 기계 학습 작업 유형 현재 데이터에서 얼마나 많은 과거 데이터를 복구 할 수 있는지 계산하여 저수지 계산의 메모리 용량을 측정합니다 비선형 단기 메모리 용량의 경우, 비선형 변환 과거 데이터를 비선형으로 변환하여 얻은 값을 회복 할 수 있는지 계산하여 비선형 변환 능력을 메모리 용량과 함께 측정합니다[참조로 돌아 가기]
참고 10 비선형자가 회귀 이동 평균 모델 (NARMA): 시계열에서 입력과 출력 데이터 사이의 관계가 시간 지연을 포함한 비선형 차이 방정식으로 표현되는 수학적 모델 이 모델로 만든 시계열은 종종 저수지 계산의 성능을 평가하는 데 무료 바카라됩니다[참조로 돌아 가기]

문의

연락처 양식