[論文レビュー] Roadmap for Unconventional Computing with Nanotechnology

Giovanni Finocchio, Jean Anne C. Incorvia+49 more|arXiv (Cornell University)|Jan 17, 2023

Advanced Memory and Neural Computing参考文献 156被引用数 9

ひとこと要約

この論文は、ニューロモルフィックおよびその他の von Neumann を含む非従来型計算の包括的なロードマップを、ナノテクノロジーを用いて提供し、今後の研究を導く。

ABSTRACT

In the "Beyond Moore's Law" era, with increasing edge intelligence, domain-specific computing embracing unconventional approaches will become increasingly prevalent. At the same time, adopting a variety of nanotechnologies will offer benefits in energy cost, computational speed, reduced footprint, cyber resilience, and processing power. The time is ripe for a roadmap for unconventional computing with nanotechnologies to guide future research, and this collection aims to fill that need. The authors provide a comprehensive roadmap for neuromorphic computing using electron spins, memristive devices, two-dimensional nanomaterials, nanomagnets, and various dynamical systems. They also address other paradigms such as Ising machines, Bayesian inference engines, probabilistic computing with p-bits, processing in memory, quantum memories and algorithms, computing with skyrmions and spin waves, and brain-inspired computing for incremental learning and problem-solving in severely resource-constrained environments. These approaches have advantages over traditional Boolean computing based on von Neumann architecture. As the computational requirements for artificial intelligence grow 50 times faster than Moore's Law for electronics, more unconventional approaches to computing and signal processing will appear on the horizon, and this roadmap will help identify future needs and challenges. In a very fertile field, experts in the field aim to present some of the dominant and most promising technologies for unconventional computing that will be around for some time to come. Within a holistic approach, the goal is to provide pathways for solidifying the field and guiding future impactful discoveries.

研究の動機と目的

• Mooreの法則を超えるエッジ知能とドメイン固有計算への転換を動機づける。
• AIワークロードのエネルギー、フットプリント、処理時間を削減できるナノテクノロジーベースのアプローチを特定する。
• 非従来型計算における将来の発見を固め、指針づけるための全体的な道筋を提供する。

提案手法

• 電子スピン、メモリスト的デバイス、2D材料、ナノ磁気異方性材料など、複数のナノテクノロジー基盤の計算パラダイムを調査・統合する。
• アイシングマシン、ベイズ推論エンジン、確率的計算（p-bit）、メモリ内処理などの代替計算アーキテクチャを検討する。
• Incremental learningとリソース制約環境を見据えた脳インスパイアドアプローチを検討する。
• 量子メモリとアルゴリズム、スピン波、スキルミオン、他のダイナミクス系を計算基盤として扱う。
• 分野を有意義な発見へ導くための課題と研究ニーズを概説する。

実験結果

リサーチクエスチョン

• RQ1 非従来型計算に最も有望なナノテクノロジーベースの計算技術はどれか？
• RQ2 これらのアプローチの採用とスケーラビリティを妨げる主要な科学・工学的課題は何か？
• RQ3 分野を固め、有意義な発見を可能にするために必要な研究経路とインフラは何か？
• RQ4 非従来型計算パラダイムを実世界のAIおよびエッジ計算ワークロードとどう整合させるか？

主な発見

• 本論文は、ナノテクノロジーを用いた非従来型計算の将来研究を導く包括的なロードマップを提示する。
• ニューロモルフィックアプローチ・メモリストデバイス・2D材料・ナノ磁性体・ダイナミカル系といった支配的な技術を強調する。
• アイシングマシン・ベイズエンジン・確率的p-bits・メモリ内処理・量子メモリなどの追加パラダイムを議論する。
• 増分学習と極端に資源制約のある環境での動作を目指す脳インスパイアド計算を強調する。
• ロードマップは将来のニーズ・課題・分野を固め、意義ある発見を可能にする道筋を特定することを目指す。