JP7060175B2 - リザボア素子 - Google Patents

リザボア素子 Download PDF

Info

Publication number
JP7060175B2
JP7060175B2 JP2021565152A JP2021565152A JP7060175B2 JP 7060175 B2 JP7060175 B2 JP 7060175B2 JP 2021565152 A JP2021565152 A JP 2021565152A JP 2021565152 A JP2021565152 A JP 2021565152A JP 7060175 B2 JP7060175 B2 JP 7060175B2
Authority
JP
Japan
Prior art keywords
elements
common wiring
reservoir
reservoir element
common
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021565152A
Other languages
English (en)
Other versions
JPWO2021124379A5 (ja
JPWO2021124379A1 (ja
Inventor
一紀 中田
智生 佐々木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TDK Corp
Original Assignee
TDK Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by TDK Corp filed Critical TDK Corp
Publication of JPWO2021124379A1 publication Critical patent/JPWO2021124379A1/ja
Publication of JPWO2021124379A5 publication Critical patent/JPWO2021124379A5/ja
Application granted granted Critical
Publication of JP7060175B2 publication Critical patent/JP7060175B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Design And Manufacture Of Integrated Circuits (AREA)

Description

本発明は、リザボア素子に関する。
ニューロモルフィックデバイスは、ニューラルネットワークにより人間の脳を模倣した素子である。ニューロモルフィックデバイスは、人間の脳におけるニューロンとシナプスとの関係を人工的に模倣している。
ニューロモルフィックデバイスは、例えば、階層状に配置されたチップ(脳におけるニューロン)と、これらの間を繋ぐ伝達手段(脳におけるシナプス)と、を有する。ニューロモルフィックデバイスは、伝達手段(シナプス)が学習することで、問題の正答率を高める。学習は将来使えそうな知識を情報から見つけることであり、ニューロモルフィックデバイスでは入力されたデータに重み付けをする。
ニューラルネットワークの一つとして、リカレントニューラルネットワークが知られている。リカレントニューラルネットワークは、非線形な時系列のデータを扱うことができる。非線形な時系列のデータは、時間の経過とともに値が変化するデータであり、株価等はその一例である。リカレントニューラルネットワークは、後段の階層のニューロンでの処理結果を前段の階層のニューロンに戻すことで、時系列のデータを処理することができる。
リザボアコンピューティングは、リカレントニューラルネットワークを実現する一つの手段である。リザボアコンピューティングは、信号を相互作用させることで、再帰的な処理を行う。リザボアコンピューティングは、例えば、小脳の動作を模倣しており、再帰的なデータの処理やデータの変換(例えば、座標の変換)等を行う。非特許文献1には、1次元リングトポロジーのリザボアが記載されている。
Herbert Jaeger and Harald Haas, Science, vol.304 pp.77-80, 2004.
リザボアコンピューティングの概念を実際の素子で実現しようとすると、配線が複雑化し、集積化しにくいという問題がある。
本発明は上記事情に鑑みてなされたものであり、配線の複雑化が抑制され、リザボア計算に対応した信号を出力できるリザボア素子を提供する。
(1)第1の態様にかかるリザボア素子は、共通の信号を伝える共通配線と、前記共通配線にそれぞれ接続され、前記共通配線から入力される前記信号をそれぞれ変調する複数の素子と、を有する。
(2)上記態様にかかるリザボア素子において、共通配線に接続された第1電源をさらに有し、前記複数の素子のそれぞれは接地されていてもよい。
(3)上記態様にかかるリザボア素子において、前記複数の素子のそれぞれに接続された第2電源をさらに有し、前記共通配線は接地されていてもよい。
(4)上記態様にかかるリザボア素子において、共通配線に接続された第1電源と、前記複数の素子のそれぞれに接続された第2電源と、をさらに有してもよい。
(5)上記態様にかかるリザボア素子において、前記第1電源は、電流補償機能を有してもよい。
(6)上記態様にかかるリザボア素子において、前記第2電源は、電流補償機能を有してもよい。
(7)上記態様にかかるリザボア素子において、前記複数の素子はそれぞれ、それぞれの素子への入力信号に対して出力が非線形に応答する非線形回路を有してもよい。
(8)上記態様にかかるリザボア素子において、前記複数の素子はそれぞれ、それぞれの素子への入力信号の電位の変化に対して出力状態がヒステリシスを持って変化するヒステリシス回路を有してもよい。
(9)上記態様にかかるリザボア素子において、前記複数の素子はそれぞれ、それぞれの素子への入力信号を遅延させる遅延回路を有してもよい。
(10)上記態様にかかるリザボア素子において、前記複数の素子はそれぞれ、シュミットトリガー回路でもよい。
(11)上記態様にかかるリザボア素子において、前記複数の素子のそれぞれは、前記共通配線と繋がる電源線に抵抗をそれぞれ有し、それぞれの抵抗の抵抗値は一定ではなく、前記複数の素子の抵抗値分布はばらつきを有してもよい。
(12)上記態様にかかるリザボア素子において、前記複数の素子のそれぞれに接続され、前記複数の素子のそれぞれで変調された変調信号が合成される読み出し配線をさらに備えてもよい。
上記態様にかかるリザボア素子は、少ない配線数でもリザボア計算に対応した信号を出力できる。
第1実施形態に係るリザボア素子が模擬するニューラルネットワークの概念図である。 第1実施形態に係るリザボア素子の回路図である。 第1実施形態に係るリザボア素子の要部の拡大図である。 第1変形例に係るリザボア素子の要部の拡大図である。 第2実施形態に係るリザボア素子の回路図である。 第3実施形態に係るリザボア素子の回路図である。
以下、本実施形態について、図を適宜参照しながら詳細に説明する。以下の説明で用いる図面は、本発明の特徴をわかりやすくするために便宜上特徴となる部分を拡大して示している場合があり、各構成要素の寸法比率などは実際とは異なっていることがある。以下の説明において例示される材料、寸法等は一例であって、本発明はそれらに限定されるものではなく、本発明の効果を奏する範囲で適宜変更して実施することが可能である。
本実施形態に係るリザボア素子は、リザボアコンピューティングにおける処理をデバイス化したものである。リザボアコンピューティングは、リカレントニューラルネットワークの一例である。
「第1実施形態」
図1は、第1実施形態にかかるリザボア素子が模擬するニューラルネットワークの概念図である。図1に示すニューラルネットワークNNは、リザボアコンピューティングの概念模式図である。図1に示すニューラルネットワークNNは、入力層LinとリザボアRと出力層Loutとを有する。入力層Lin及び出力層Loutは、リザボアRに接続されている。
入力層Linは、外部から入力された信号をリザボアRに伝える。入力層Linは、例えば、複数のニューロンnを含む。外部から入力層Linのそれぞれのニューロンnに入力された入力信号は、リザボアRに伝わる。
リザボアRは、入力層Linから入力された入力信号を貯留し、別の信号に変換する。リザボアR内では、信号は相互作用するだけであり、学習しない。入力信号が互いに相互作用すると、入力信号が非線形に変化する。すなわち、入力信号は、元の情報を保有しつつ別の信号に置き換わる。入力信号は、リザボアR内で互いに相互作用することで、時間の経過とともに変化する。リザボアRは、複数のニューロンnがランダムに接続されている。例えば、ある時刻tにあるニューロンnから出力された信号は、ある時刻t+1において元のニューロンnに戻る場合がある。ニューロンnでは、時刻t及び時刻t+1の信号を踏まえた処理ができ、情報を再帰的に処理できる。
出力層Loutは、リザボアRからの信号を出力する。出力層Loutから出力される出力信号は、入力信号の情報を持ちつつ、別の信号に置き換わっている。当該変換の一例として、直交座標系(x,y,z)から球面座標系(r,θ,φ)への置き換えが挙げられる。出力層Loutは、例えば、複数のニューロンnを含む。リザボアRから出力層Loutに至る際に、学習が行われる。学習は、リザボアRのそれぞれのニューロンnと出力層Loutのニューロンnとを繋ぐ伝達経路(脳におけるシナプス)で行われる。出力層Loutは、学習の結果を外部に出力する。
図2は、第1実施形態にかかるリザボア素子100の回路図である。リザボア素子100は、例えば、複数の素子10と共通配線11と第1電源12と読み出し配線13とを有する。リザボア素子100は、上記のリザボアRをデバイス化したものである。リザボア素子100に含まれる複数の素子10の数は問わない。またそれぞれの素子10の配置も自由である。
共通配線11は、複数の素子10のそれぞれに接続されている。図1に示す共通配線11は、例えば、第1電源12と複数の素子10のそれぞれとを接続する。共通配線11は、共通の信号を複数の素子10のそれぞれに伝える。図1に示すリザボア素子100は、複数の素子10がそれぞれ接地されているため、第1電源12から出力される電流が共通の信号となる。
図3は、第1実施形態に係るリザボア素子100の要部を拡大した図である。図3は、図1に示すリザボア素子100の素子10の一例を示す図である。それぞれの素子10は、共通配線11から入力される信号をそれぞれ変調する。
複数の素子10のそれぞれは、例えば、電源線PLとインバータI1とループ線Rpと抵抗R1,n、R2,n(nは整数)とコンデンサC1,n(nは整数)とを有する。図3に示す素子10は、シュミットトリガー回路である。
それぞれの素子10は、例えば、電源線PLを有する。電源線PLはそれぞれ、共通配線11と複数の素子10のそれぞれとを繋ぐ。それぞれの素子10には、電源線PLを介して共通配線11から信号が入力される。
以下、素子10のそれぞれに、電源線PLから入力される信号を入力信号と称する。入力信号は、例えば、それぞれの素子10の基準電位と第1電源12との電位差に応じて生じる。図3に示すそれぞれの素子10は接地しており、入力信号は電位Vinで表される。
それぞれの電源線PLは、抵抗R1,n(nは整数)を有する。それぞれの素子10の抵抗R1,nの抵抗値は、例えば、一定ではなく、異なっている。それぞれの素子10の抵抗R1,nの抵抗値の素子数に対する分布(抵抗値分布)は、例えば、ばらついている。抵抗値分布は特に問わないが、例えば、正規分布である。それぞれの素子10の抵抗R1,nの抵抗値が異なると、それぞれの素子10の時定数が異なる。その結果、入力信号は、それぞれの素子10で異なる変調がされる。
それぞれの素子10は、例えば、入力信号に対して出力が非線形に応答する非線形回路を有する。それぞれの素子10は、例えば、入力信号の電位の変化に対して出力状態がヒステリシスを持って変化するヒステリシス回路を有してもよい。図3に示すシュミットトリガー回路におけるインバータI1は、非線形応答し、出力がヒステリシスを有する。インバータI1が非線形に応答することで、入力信号が変調される。インバータI1は、例えば、入力信号の振幅を変調する。出力がヒステリシスを有すると、入力信号のノイズに起因するチャタリングを防止できる。
それぞれの素子10のインバータI1に入力される信号は、互いに相関を有するが、異なっている。それぞれの素子10には、共通配線11から共通の信号が入力されるが、それぞれの素子10毎で抵抗R1,nの抵抗値が異なるためである。
それぞれの素子10は、例えば、ループ線Rpを有する。ループ線Rpは、インバータI1から出力された信号をループし、再度、インバータI1に入力させる。ループ線Rpは、入力信号を遅延させる遅延回路である。ループ線RpがインバータI1に入力する信号を遅延させることで、時系列の異なるデータがインバータI1で変調される。遅延回路は、入力信号を保持する履歴機能を有する。
それぞれのループ線Rpは、抵抗R2,n(nは整数)を有する。それぞれの素子10の抵抗R2,nの抵抗値は一定でも、異なってもよい。それぞれの素子10の抵抗R2,nの抵抗値を変えることで、それぞれの素子10の時定数を変えてもよい。それぞれの素子10の時定数が異なると、それぞれの素子10で異なる変調がされる。
コンデンサC1,n(nは整数)は、ループ線Rpを伝わる信号がグラウンド側に至ることを防ぎ、信号を保持する役割を担う。それぞれの素子10のコンデンサC1,nの値は一定でも、異なってもよい。それぞれの素子10のコンデンサC1,nの値を変えることで、それぞれの素子10の時定数を変えてもよい。それぞれの素子10の時定数が異なると、それぞれの素子10で異なる変調がされる。
図2に示すように、第1電源12は、共通配線11に接続されている。第1電源12には、公知の電源を用いることができる。第1電源12とそれぞれの素子10の基準電位との電位差に応じた信号が、それぞれの素子10に入力される。第1電源12は、例えば、電流補償機能を有してもよい。電流補償機能とは、第1電源12から供給される電流値が大きく変動しないように補償する機能である。第1電源12から供給される電流値が大きく変動すると、例えば隣接する素子10間に電位差が生じ、それぞれの素子10の入力信号にノイズが増える。ノイズを抑制することで、それぞれの素子10に入力される信号の相関が保たれる。
図2に示すように、読み出し配線13は、それぞれの素子10に接続されている。読み出し配線13は、インバータI1の出力端子(電位Vの位置)に接続してもよいし、ループ線Rpの異なる位置(例えば、電位Vの位置)に接続してもよい。読み出し配線13で、複数の素子10のそれぞれで変調された変調信号は合成される。合成された信号は、共通配線11から入力される共通の信号の情報を有しつつ、異なる信号に変調されている。例えば、共通配線11から直交座標系(x,y,z)の信号が入力されると、読み出し配線13から球面座標系(r,θ,φ)の信号が出力される。
上述のように、第1実施形態に係るリザボア素子100によれば、互いに相関を有する信号をそれぞれ変調でき、異なる信号に再構築することができる。すなわち、リザボア素子100は、リザボアRとして機能している。またそれぞれの素子10を一つずつ別々に電源と接続するのではなく、一つの共通配線でまとめることで、リザボア素子100の配線が複雑化することを抑制できる。
ここまで第1実施形態に係るリザボア素子100の一例について詳述したが、第1実施形態に係るリザボア素子は、本発明の要旨の範囲内において、種々の変形・変更が可能である。
図4は、第1変形例に係るリザボア素子の要部を拡大した図である。図4は、図1に示すリザボア素子100の素子10の別の例を示す図である。ここまで素子10がシュミットトリガー回路の場合を例に説明したが、シュミットトリガー回路に変えてリングオシレータとしてもよい。また素子10は、共通配線11から入力される信号を変調できるものであれば、これらに限られない。
「第2実施形態」
図5は、第2実施形態に係るリザボア素子101の回路図である。図5に示すリザボア素子101は、第1電源12を有さず、第2電源15を有する点が、図2に示すリザボア素子100と異なる。図2に示すリザボア素子100と同様の構成については、同様の符号を付し、説明を省く。
第2電源15は、それぞれの素子10と、第2共通配線16で接続されている。第2共通配線16は、それぞれの素子10と第2電源15とを繋ぐ。また図5に示す共通配線11は、複数の素子10のそれぞれとグラウンドとを繋ぐ。
図5に示すリザボア素子101において、それぞれの素子10は第2電源15に接続され、共通配線11は接地されている。それぞれの素子10への入力信号は、第2電源15とグラウンドとの電位差に応じて生じる。そのため、図5に示すリザボア素子101においても、素子10のそれぞれには、電源線PLから入力信号が入力される。第2電源15は、例えば、電流補償機能を有してもよい。
第2実施形態にかかるリザボア素子101は、電位の基準となる位置が第1実施形態に係るリザボア素子100と異なるだけであり、第1実施形態に係るリザボア素子100と同様に動作する。したがって、第2実施形態に係るリザボア素子101によれば、互いに相関を有する信号をそれぞれ変調でき、異なる信号に再構築することができる。またリザボア素子101は配線がまとめられており、配線が複雑化することが抑制されている。
「第3実施形態」
図6は、第3実施形態に係るリザボア素子102の回路図である。図6に示すリザボア素子102は、第2電源15をさらに有する点が、図2に示すリザボア素子100と異なる。図2に示すリザボア素子100と同様の構成については、同様の符号を付し、説明を省く。
第2電源15は、それぞれの素子10と、第2共通配線16で接続されている。第2共通配線16は、それぞれの素子10と第2電源15とを繋ぐ。
図6に示すリザボア素子102において、それぞれの素子10は第2電源15に接続され、共通配線11は第1電源12に接続されている。それぞれの素子10への入力信号は、第1電源12と第2電源15との電位差に応じて生じる。そのため、図6に示すリザボア素子102においても、素子10のそれぞれには、電源線PLから入力信号が入力される。第2電源15は、例えば、電流補償機能を有してもよい。
第3実施形態にかかるリザボア素子102は、第1電源12と第2電源15との電位差に応じた信号がそれぞれの素子10に入力される点が、第1実施形態に係るリザボア素子100と異なるだけであり、第1実施形態に係るリザボア素子100と同様に動作する。したがって、第3実施形態に係るリザボア素子102によれば、互いに相関を有する信号をそれぞれ変調でき、異なる信号に再構築することができる。またリザボア素子102は配線がまとめられており、配線が複雑化することが抑制されている。
また第2実施形態及び第3実施形態に係るリザボア素子101、102においても、素子10は、共通配線11から入力される信号を変調できるものであれば、シュミットトリガー回路に限られない。
10 素子、11 共通配線、12 第1電源、13 読み出し配線、15 第2電源、16 第2共通配線、100,101,102 リザボア素子、C1,n コンデンサ、I1 インバータ、n1,n2,n3 ニューロン、NN ニューラルネットワーク、PL 電源線、R リザボア、R1,n,R2,n 抵抗、Rp ループ線

Claims (16)

  1. 共通の信号を伝える共通配線と、
    前記共通配線にそれぞれ接続され、前記共通配線から入力される前記信号をそれぞれ変調する複数の素子と、
    共通配線に接続された第1電源と、を有し、
    前記複数の素子のそれぞれは接地されている、リザボア素子。
  2. 共通の信号を伝える共通配線と、
    前記共通配線にそれぞれ接続され、前記共通配線から入力される前記信号をそれぞれ変調する複数の素子と、
    前記複数の素子のそれぞれに接続された第2電源と、を有し、
    前記共通配線は接地されている、リザボア素子。
  3. 共通の信号を伝える共通配線と、
    前記共通配線にそれぞれ接続され、前記共通配線から入力される前記信号をそれぞれ変調する複数の素子と、
    共通配線に接続された第1電源と、
    前記複数の素子のそれぞれに接続された第2電源と、を有する、リザボア素子。
  4. 前記第1電源は、電流補償機能を有する、請求項又はに記載のリザボア素子。
  5. 前記第2電源は、電流補償機能を有する、請求項又はに記載のリザボア素子。
  6. 共通の信号を伝える共通配線と、
    前記共通配線にそれぞれ接続され、前記共通配線から入力される前記信号をそれぞれ変調する複数の素子と、を有し、
    前記複数の素子はそれぞれ、それぞれの素子への入力信号の電位の変化に対して出力がヒステリシスを持って変化するヒステリシス回路を有する、リザボア素子。
  7. 共通の信号を伝える共通配線と、
    前記共通配線にそれぞれ接続され、前記共通配線から入力される前記信号をそれぞれ変調する複数の素子と、を有し、
    前記複数の素子はそれぞれ、それぞれの素子への入力信号を遅延させる遅延回路を有する、リザボア素子。
  8. 共通の信号を伝える共通配線と、
    前記共通配線にそれぞれ接続され、前記共通配線から入力される前記信号をそれぞれ変調する複数の素子と、を有し、
    前記複数の素子はそれぞれ、シュミットトリガー回路である、リザボア素子。
  9. 共通の信号を伝える共通配線と、
    前記共通配線にそれぞれ接続され、前記共通配線から入力される前記信号をそれぞれ変調する複数の素子と、を有し、
    前記複数の素子のそれぞれは、前記共通配線と繋がる電源線に抵抗をそれぞれ有し、
    それぞれの抵抗の抵抗値は一定ではなく、前記複数の素子の抵抗値分布はばらつきを有する、リザボア素子。
  10. 共通の信号を伝える共通配線と、
    前記共通配線にそれぞれ接続され、前記共通配線から入力される前記信号をそれぞれ変調する複数の素子と、を有し、
    前記複数の素子のそれぞれに接続され、前記複数の素子のそれぞれで変調された変調信号が合成される読み出し配線をさらに備える、リザボア素子。
  11. 前記複数の素子はそれぞれ、それぞれの素子への入力信号に対して出力が非線形に応答する非線形回路を有する、請求項1~10のいずれか一項に記載のリザボア素子。
  12. 前記複数の素子はそれぞれ、それぞれの素子への入力信号の電位の変化に対して出力がヒステリシスを持って変化するヒステリシス回路を有する、請求項1~5、7~10のいずれか一項に記載のリザボア素子。
  13. 前記複数の素子はそれぞれ、それぞれの素子への入力信号を遅延させる遅延回路を有する、請求項1~6、8~10のいずれか一項に記載のリザボア素子。
  14. 前記複数の素子はそれぞれ、シュミットトリガー回路である、請求項1~7、9、10のいずれか一項に記載のリザボア素子。
  15. 前記複数の素子のそれぞれは、前記共通配線と繋がる電源線に抵抗をそれぞれ有し、
    それぞれの抵抗の抵抗値は一定ではなく、前記複数の素子の抵抗値分布はばらつきを有する、請求項1~8、10のいずれか一項にリザボア素子。
  16. 前記複数の素子のそれぞれに接続され、前記複数の素子のそれぞれで変調された変調信号が合成される読み出し配線をさらに備える、請求項1~9のいずれか一項にリザボア素子。
JP2021565152A 2019-12-16 2019-12-16 リザボア素子 Active JP7060175B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/049105 WO2021124379A1 (ja) 2019-12-16 2019-12-16 リザボア素子

Publications (3)

Publication Number Publication Date
JPWO2021124379A1 JPWO2021124379A1 (ja) 2021-06-24
JPWO2021124379A5 JPWO2021124379A5 (ja) 2022-03-08
JP7060175B2 true JP7060175B2 (ja) 2022-04-26

Family

ID=76476818

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021565152A Active JP7060175B2 (ja) 2019-12-16 2019-12-16 リザボア素子

Country Status (2)

Country Link
JP (1) JP7060175B2 (ja)
WO (1) WO2021124379A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007097245A1 (ja) * 2006-02-20 2007-08-30 Toyota Jidosha Kabushiki Kaisha 測位システム、測位方法及びカーナビゲーションシステム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140214738A1 (en) 2013-01-29 2014-07-31 Hewlett-Packard Development Company, L.P. Neuristor-based reservoir computing devices
WO2018213399A1 (en) 2017-05-16 2018-11-22 University Of Maryland, College Park Integrated circuit designs for reservoir computing and machine learning
JP6610839B1 (ja) 2019-01-31 2019-11-27 Tdk株式会社 スピン軌道トルク型磁化回転素子、スピン軌道トルク型磁気抵抗効果素子、磁気メモリ及びリザボア素子

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140214738A1 (en) 2013-01-29 2014-07-31 Hewlett-Packard Development Company, L.P. Neuristor-based reservoir computing devices
WO2018213399A1 (en) 2017-05-16 2018-11-22 University Of Maryland, College Park Integrated circuit designs for reservoir computing and machine learning
JP6610839B1 (ja) 2019-01-31 2019-11-27 Tdk株式会社 スピン軌道トルク型磁化回転素子、スピン軌道トルク型磁気抵抗効果素子、磁気メモリ及びリザボア素子

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007097245A1 (ja) * 2006-02-20 2007-08-30 Toyota Jidosha Kabushiki Kaisha 測位システム、測位方法及びカーナビゲーションシステム

Also Published As

Publication number Publication date
JPWO2021124379A1 (ja) 2021-06-24
WO2021124379A1 (ja) 2021-06-24

Similar Documents

Publication Publication Date Title
KR102578124B1 (ko) 신경망 장치의 정규화 장치 및 방법
US7904398B1 (en) Artificial synapse component using multiple distinct learning means with distinct predetermined learning acquisition times
US5131072A (en) Neurocomputer with analog signal bus
US5175798A (en) Digital artificial neuron based on a probabilistic ram
JP7132196B2 (ja) 処理装置および推論システム
US4943931A (en) Digital artificial neural processor
US11562249B2 (en) DNN training with asymmetric RPU devices
JP2019095860A (ja) ニューラルネットワーク装置および演算装置
CN111373414A (zh) 用于减少固定设备不对称性的具有极性反转的电导对之间的突触权重传递
KR20190106185A (ko) 전치 가능한 메모리와 가상 순람표를 이용한 뉴로모픽 시스템
JP7079483B2 (ja) 情報処理方法、システム及びプログラム
JP7060175B2 (ja) リザボア素子
KR20180070187A (ko) 신경망 장치의 정규화 장치 및 방법
US11790220B2 (en) Artificial neural networks
Solovyeva Types of recurrent neural networks for non-linear dynamic system modelling
Kumar et al. A novel dynamic recurrent functional link neural network-based identification of nonlinear systems using Lyapunov stability analysis
KR102514931B1 (ko) 확장 가능한 뉴로모픽 회로
Carroll Adding filters to improve reservoir computer performance
JP7438610B2 (ja) クロスバー・アレイ構造を有するニューロモルフィック・デバイス
US20230023123A1 (en) Information processing system, information processing device, information processing method, and information processing program
CN117136363A (zh) 深度神经网络训练
Gedeon Additive neural networks and periodic patterns
US20180300612A1 (en) Neuromorphic device and a synapse network including a post-synaptic neuron having a subtracting circuit
WO2024116229A1 (ja) 信号処理装置
Simpkins Design, modeling, and simulation of a compact optoelectronic neural coprocessor

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220111

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220111

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20220111

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220315

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220328

R150 Certificate of patent or registration of utility model

Ref document number: 7060175

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150