[論文レビュー] Does the D.C. Response of Memristors Allow Robotic Short-Term Memory and a Possible Route to Artificial Time Perception?

Ella Gale, Ben de Lacy Costello+1 more|arXiv (Cornell University)|Feb 17, 2014

Advanced Memory and Neural Computing参考文献 14被引用数 4

ひとこと要約

本論文は、メモリスタのDC応答—特にその電流トランジェントおよびネットワーク内での出現的振動ダイナミクス—が、ロボットの短期記憶および生物にインspiredされた人工的時間認識への道筋を提供できることを提案している。メモリスタネットワークの可塑性と自己持続的脳波様の振動を利用する事で、システムは迅速なタスク切り替えと内部クロックを実現し、哺乳類の脳で観察される神経ダイナミクスを模倣する。

ABSTRACT

Time perception is essential for task switching, and in the mammalian brain appears alongside other processes. Memristors are electronic components used as synapses and as models for neurons. The d.c. response of memristors can be considered as a type of short-term memory. Interactions of the memristor d.c. response within networks of memristors leads to the emergence of oscillatory dynamics and intermittent spike trains, which are similar to neural dynamics. Based on this data, the structure of a memristor network control for a robot as it undergoes task switching is discussed and it is suggested that these emergent network dynamics could improve the performance of role switching and learning in an artificial intelligence and perhaps create artificial time perception.

研究の動機と目的

• メモリスタネットワークが人工系において短期記憶および時間認識を支援できるかどうかを調査すること。
• メモリスタのDC応答がロボット制御システムにおける動的かつ可塑的行動をどのように可能にするかを探索すること。
• メモリスタネットワーク内の出現的振動ダイナミクスが、タスク切り替えのための内部クロックメカニズムとして機能できるかどうかを特定すること。
• メモリスタネットワークをロボット用のニューロモルフィック制御アーキテクチャとして使用する可能性の妥当性を評価すること。
• ネットワークレベルのダイナミクスが生物学的脳に類似した学習およびルール切り替えをどのように支援できるかをモデル化すること。

提案手法

• 時間依存伝導プロファイルをシミュレートするために、メモリ保存モデルを用いてTiO2 ソルゲルメモリスタのDC応答をモデル化する。
• 一定のDC電圧下で3つのメモリスタからなるネットワークを設計し、出現的電流スパイクおよび振動的挙動を観察する。
• メモリ保存モデルからの正規化された伝導プロファイルを、ネットワーク接続における動的重み調整のためのルックアップテーブルとして使用する。
• ステップ電圧入力を与えた状態でネットワーク挙動をシミュレートし、一時的電流スパイクおよび減衰 timescale (τ ≈ 3.5–4s) を観察する。
• 得られた振動およびスパイクトレインが生物学的脳波に類似しているか、および内部タイミングに果たす可能性のある役割を分析する。
• ネットワークダイナミクスをロボットのTマップタスク切り替えシナリオに適用し、持続的振動が短期記憶を維持し、迅速なルール切り替えを可能にする。

実験結果

リサーチクエスチョン

• RQ1 メモリスタのDC応答は、ロボット系における一種の短期記憶を支援できるか？
• RQ2 DC励起下で、メモリスタネットワークは神経的脳波に類似した出現的振動ダイナミクスを示すか？
• RQ3 これらの出現的ダイナミクスは、人工的時間認識のための内部クロックメカニズムとして機能できるか？
• RQ4 このようなネットワークは、従来の制御システムと比較して、ロボットにおけるより高速かつ可塑的なタスク切り替えをどのように可能にするか？
• RQ5 メモリスタネットワークの可塑性および自己組織的ダイナミクスは、生物学的学習および記憶をどの程度模倣できるか？

主な発見

• 一定のDC電圧下で駆動された3メモリスタネットワークは、脳波に類似した振動および間欠的スパイクトレインを生成し、正の電圧下でも負の電流を示すなど、複雑な非線形ダイナミクスを示した。
• 電流減衰の特徴的 timescale τ は約3.5–4秒と測定され、これはメモリスタ応答の記憶時間定数に対応した。
• 外部の周期的入力なしに、自発的かつ自己持続的振動およびスパイク挙動を示したため、内在的なダイナミカルな複雑性が示唆された。
• これらの出現的ダイナミクスは、哺乳類脳で観察される神経振動に類似しており、内部タイミングおよび時間認識の基礎として機能する可能性がある。
• 使用履歴に応じた継続的適応を通じて、システムは可塑性を示し、ヘブ学習を模倣するように接続重みが変化した。
• ネットワークが異なる動的状態を維持・切り替えられる能力により、ロボット制御における迅速なタスク切り替えが実現され、逐次的メモリスタ再構成を上回る性能を示した。