[論文レビュー] Challenges in materials and devices for Resistive-Switching-based Neuromorphic Computing

Javier del Valle, Juan Gabriel Ramírez+2 more|arXiv (Cornell University)|Oct 31, 2018

Advanced Memory and Neural Computing被引用数 11

ひとこと要約

本稿は、遷移金属酸化物を用いた抵抗スイッチング型ニューロモルフィックコンピューティングシステムの開発における課題と機会をレビューする。電荷ベースのデバイスの設計を概説し、脳に類似した機能を実現するため、材料選定、抵抗スイッチングメカニズム、スケーラブルでエネルギー効率の良いニューロモルフィックハードウェア実装における統合の障壁に焦点を当てる。

ABSTRACT

This tutorial describes challenges and possible avenues for the implementation of the components of a solid-state system, which emulates a biological brain. The tutorial is devoted mostly to a charge-based (i.e. electric controlled) implementation using transition metal oxides materials, which exhibit unique properties that emulate key functionalities needed for this application. In the Introduction, we compare the main differences between a conventional computational machine, based on the Turing-von Neumann paradigm, to a Neuromorphic machine, which tries to emulate important functionalities of a biological brain. We also describe the main electrical properties of biological systems, which would be useful to implement in a charge-based system. In Chapter II, we describe the main components of a possible solid-state implementation. In Chapter III, we describe a variety of Resistive Switching phenomena, which may serve as the functional basis for the implementation of key devices for Neuromorphic computing. In Chapter IV we describe why transition metal oxides, are promising materials for future Neuromorphic machines. Theoretical models describing different resistive switching mechanisms are discussed in Chapter V while existing implementations are described in Chapter VI. Chapter VII presents applications to practical problems. We list in Chapter VIII important basic research challenges and open issues. We discuss issues related to specific implementations, novel materials, devices and phenomena. The development of reliable, fault tolerant, energy efficient devices, their scaling and integration into a Neuromorphic computer may bring us closer to the development of a machine that rivals the brain.

研究の動機と目的

• 固体状態ニューロモルフィックシステムの開発における生物学的脳機能を模倣する上で重要な課題を特定・分析すること。
• 従来のチューリング＝フォン・ノイマン型コンピューティングと、生物学的神経ネットワークの原則に基づくニューロモルフィックアーキテクチャを比較すること。
• 抵抗スイッチングデバイスに適した機能材料としての遷移金属酸化物の適性を評価すること。
• デバイスの信頼性、フォールトトレランス、エネルギー効率、スケーラビリティに関する未解決の研究課題を整理すること。
• 材料革新とデバイス工学を活用して、抵抗スイッチング型ニューロモルフィックコンピューティングを前進させる包括的なロードマップを提示すること。

提案手法

• 従来のコンピューティングパラダイムと生物学的神経ネットワークに基づくニューロモルフィックコンピューティングを体系的に比較する。
• 抵抗スイッチング現象を、固体状態デバイスにおけるシナプスの模倣を可能にするコアな物理的メカニズムとしてレビューする。
• スニャン酸化物における抵抗スイッチングメカニズムの理論的モデルを分析し、フィラメント形成やイオン移動を含む。
• ニューロモルフィック応用を目的とした抵抗性ランダムアクセスメモリ（ReRAM）デバイスの既存の実験的実装を検討する。
• スイッチング速度、耐久性、保持特性、エネルギー効率といったデバイス性能指標を評価する。
• スケーラブルなニューロモルフィックハードウェアへのスケーリングに向けた統合の課題とシステムレベルの検討事項を議論する。

実験結果

リサーチクエスチョン

• RQ1 アーキテクチャと情報処理の観点から、従来型コンピューティングとニューロモルフィックコンピューティングの根本的な相違点は何か？
• RQ2 生物学的ニューロンおよびシナプスの電気的特性は、抵抗スイッチングデバイスの設計にどのように影響を与えるか？
• RQ3 遷移金属酸化物における支配的な抵抗スイッチングメカニズムは何か？ それらはどのようにシナプス機能を実現するか？
• RQ4 信頼性があり、スケーラブルでエネルギー効率の良いニューロモルフィックシステムを実現するための最も有望な材料とデバイスアーキテクチャは何か？
• RQ5 実用的なニューロモルフィックコンピューティングを実現するにあたり、デバイスの信頼性、フォールトトレランス、システム統合における重要な研究課題は何か？

主な発見

• 遷移金属酸化物は酸素空孔の移動とフィラメント形成により、調整可能な抵抗スイッチング特性を示し、人工シナプスに最適な候補である。
• これらの材料における抵抗スイッチングは、非揮発性、低消費電力、多値抵抗状態を可能にし、シナプス可塑性を模倣する上で不可欠である。
• 電気化学的金属化とバリエンス変化メカニズムといった抵抗スイッチングの理論的モデルは、デバイスの主要な挙動を説明している。
• 既存のReRAMデバイスはナノ秒スケールのスイッチング速度を示し、10^6回以上の耐久性と10^4秒以上の保持時間を持つ。
• デバイス間ばらつき、長期的安定性、大規模ニューロモルフィックシステムへのスケーラブルな統合に関する課題が依然として残っている。
• 本稿は、材料探索、デバイス工学、システムレベル設計における未解決の課題を特定し、脳に類似したコンピューティング性能を達成するための対策を提起している。