[論文レビュー] Focused Surface Acoustic Wave induced nano-oscillator based reservoir computing

Md. Fahim F. Chowdhury, Walid Al Misba+5 more|arXiv (Cornell University)|Dec 7, 2021

Neural Networks and Reservoir Computing参考文献 42被引用数 9

ひとこと要約

本稿では、表面弾道波（SAW）駆動型ナノマグネットアレイを物理的リザボアコンピューティングシステムとして提案する。4 GHzの集束SAGが入力ナノマグネットの磁化ダイナミクスを変調し、結合された出力ナノマグネットアレイに非線形応答を誘発する。エンベロープベースの状態読み出しとムーア・ペンローズ一般逆行列による学習を用いることで、100 MHzの正弦波および方形波入力を100%の精度で分類可能であり、短期記憶（STM）は4.69ビット、パリティーチェック（PC）容量は5.39ビットを達成。また、CMOSベースのエコー状態ネットワークと比較して、エネルギー消費が2桁低い。

ABSTRACT

We demonstrate using micromagnetic simulations that a nanomagnet array excited by Surface Acoustic Waves (SAWs) can work as a reservoir that can classify sine and square waves with high accuracy. To evaluate memory effect and computing capability, we study the Short-Term Memory (STM) and Parity Check (PC) capacities respectively. The simulated nanomagnet array has an input nanomagnet that is excited with focused SAW and coupled to several nanomagnets, seven of which serve as output nanomagnets. The SAW has a carrier frequency of 4 GHz whose amplitude is modulated to provide different inputs of sine and square waves of 100 MHz frequency. The responses of the selected output nanomagnets are processed by reading the envelope of their magnetization state, which is used to train the output weights using regression method (e.g. Moore-Penrose pseudoinverse operation). For classification, a random sequence of 100 square and sine wave samples are used, of which 80 % are used for training, and the rest of the samples used for testing. We achieve 100 % training accuracy and 100 % testing accuracy for different combination of nanomagnets as outputs. Further, the STM and PC is calculated to be ~ 5.5 bits and ~ 5.3 bits respectively, which is indicative of the proposed acoustically driven nanomagnet oscillator array being well suited for physical reservoir computing applications. Finally, the ability to use high frequency (4GHz, wavelength ~1 micron) SAW makes the device scalable to small dimensions, while the ability to modulate the envelope at lower frequency (100 MHz) adds flexibility to encode different signals beyond the sine and square waves demonstrated here.

研究の動機と目的

• 表面弾道波（SAW）を用いてナノマグネットを駆動する低エネルギーでスケーラブルな物理的リザボアコンピューティングシステムの開発。
• ナノマグネットアレイにおけるSAW誘発磁化ダイナミクスが、強力な記憶力と計算能力を持つ非線形リザボアとして機能できることの実証。
• マイクロ磁気シミュレーションを用いて、短期記憶（STM）およびパリティーチェック（PC）タスクにおけるシステム性能の評価。
• SAW駆動リザボアと従来のCMOSベースのエコー状態ネットワークとのエネルギー効率の比較。

提案手法

• ナノマグネットのランダウ＝リフシッツ＝ギルバート（LLG）ダイナミクスをモデル化するため、MuMax3を用いたマイクロ磁気シミュレーションを実施。SAW誘発ストレス異方性の下でのダイナミクスを解析。
• LiNbO₃基板上に配置された集束インタディジタルトランスデューサー（FIDT）が4 GHzのSAWを生成し、周期的ストレスを発生させ、入力ナノマグネットにおける強磁性共鳴を駆動。
• 入力信号は、100 MHzのSAWエンベロープの振幅変調として符号化され、正弦波および方形波のランダムなシーケンスを形成。
• 出力ナノマグネット7個の磁化ダイナミクスのエンベロープを用いてリザボア状態を読み出し、信号周期あたりN=20の仮想ノードでサンプリング。
• 出力重みの学習には、ムーア・ペンローズ一般逆行列を用いた線形回帰を採用し、分類および容量評価を実現。
• エネルギー消費は、SAWの出力、電圧、デバイス寸法に基づき計算され、CMOSベースのエコー状態ネットワークと比較した。

実験結果

リサーチクエスチョン

• RQ1 ナノマグネットアレイにおけるSAW誘発ストレスが、計算用の物理的リザボアとして十分な非線形ダイナミクスを生成できるか？
• RQ2 SAW駆動ナノマグネットリザボアの短期記憶（STM）およびパリティーチェック（PC）容量はどの程度か？
• RQ3 このSAWベースのリザボアのエネルギー消費は、CMOSベースのエコー状態ネットワークと比べてどうか？
• RQ4 本システムは、正弦波および方形波といった時系列信号に対して高い分類精度を達成できるか？

主な発見

• SAW駆動ナノマグネットアレイは、100 MHzの正弦波および方形波入力の分類において、トレーニングとテスト両方で100%の精度を達成した。
• システムは約4.69ビットの短期記憶（STM）容量を示し、強力な時間的記憶能力を有することを示した。
• パリティーチェック（PC）容量は約5.39ビットに測定され、高い非線形性と計算能力を示した。
• SAWベースのリザボアのエネルギー消費は、入力あたり約0.87 × 10⁻¹² Jであり、CMOSベースのエコー状態ネットワークと比較して2桁低い。
• 4 GHzのSAWを用いることでナノスケールへのスケーラビリティが可能となり、100 MHzのエンベロープ変調により正弦波および方形波を超える柔軟な信号符号化が可能になった。