[論文レビュー] Voltage Controlled Energy Efficient Domain Wall Synapses with Stochastic Distribution of Quantized Weights in the Presence of Thermal Noise and Edge Roughness

Walid Al Misba, Tahmid Kaisar+2 more|arXiv (Cornell University)|Oct 20, 2020

Advanced Memory and Neural Computing参考文献 68被引用数 21

ひとこと要約

本稿では、圧電性膜を埋め込んだナノスケールレーシングトラック内に、電圧制御型ひずみ工学を用いたドメイン壁シナプスを提案する。この構造により、垂直磁気異方性（PMA）の制御が可能となり、多値のシナプス重みが実現される。固定されたスピンオービットトルク（SOT）電流パルスと圧電基板からの電圧誘発ひずみを組み合わせることで、理想的な条件下では5状態、熱雑音およびエッジ粗さが存在する条件下では3状態の動作を達成し、シナプス更新あたりのエネルギー損失は4 fJ未満に抑えられる。これは、エネルギー効率が高く、量子化されたニューロモルフィックコンピューティングに適した仕組みである。

ABSTRACT

We propose energy efficient strain control of domain wall (DW) in a perpendicularly magnetized nanoscale racetrack on a piezoelectric substrate that can implement multi state synapse to be utilized in neuromorphic computing platforms. In conjunction with SOT from to a current flowing in the heavy metal layer, strain is generated by applying a voltage across the piezoelectric. Such a strain is mechanically transferred to the racetrack and modulates the Perpendicular Magnetic Anisotropy (PMA). When different voltages are applied (i.e. different strains are generated), it can translate the DW to different distances for the same current which implements different synaptic weights. We have shown using micromagnetic simulations that 5-state and 3-state synapse can be implemented in a racetrack that is modeled with natural edge roughness and room temperature thermal noise. Such strain-controlled synapse has an energy consumption of few fJs and could thus be very attractive to implement energy-efficient quantized neural networks, which has been shown recently to achieve near equivalent classification accuracy to the full-precision neural networks.

研究の動機と目的

• 熱雑音およびエッジ粗さを含む現実的な条件下で動作する、エネルギー効率が高く再プログラミング可能なシナプスデバイスを、ニューロモルフィックコンピューティング用に開発すること。
• SOT駆動ドメイン壁運動を伴うナノスケールレーシングトラックにおいて、PMAの電圧制御ひずみモードを用いて多値のシナプス重みを実現すること。
• エッジデバイスや量子化ニューラルネットワークのイン・サイト学習に適した、低エネルギーのシナプス更新（数fJ未満から数fJ）を達成すること。
• デバイスのばらつきや雑音・粗さに起因する確率的性質が、量子化学習フレームワークにおける耐障害性を高めるために活用可能であることを示すこと。

提案手法

• Pt/CoFe/MgO/CoFe磁気トンネル接合（MTJ）スタックを圧電性基板上にパターニングし、キラルネールドメイン壁を有するナノスケールレーシングトラックを形成する。
• 上部／下部電極に印加される電圧パルスにより、圧電性基板に機械的ひずみが発生し、磁気弾性結合を通じて自由層のPMAが変調される。
• Pt層に固定振幅・固定幅のスピンオービットトルク（SOT）電流パルスを印加し、ドメイン壁（DW）をレーシングトラックに沿って駆動する。
• エッジ粗さおよびポテンシャルエネルギーの極小点により、ドメイン壁の位置が異なる場所で停止し、平衡位置はPMAの変調に応じて統計的に分布する。
• MUMAX3を用いたマクロスケールシミュレーションにより、SOT、DMI、熱雑音、応力誘発PMA変化を含む、ランダウ＝リフシッツ＝ギルバート＝スロンチェフスキー方程式に従う磁化ダイナミクスをモデル化する。
• ゼロ温度および室温（300 K）条件下で、エッジ粗さ（RMS 3–6 nm）を変化させた状況で評価を行い、ドメイン壁位置を3または5段階にビニングすることでシナプス状態を定義する。

実験結果

リサーチクエスチョン

• RQ1 熱雑音およびエッジ粗さが存在する中で、圧電性基板における電圧制御ひずみモードが、多値のシナプス重みのためのドメイン壁位置の決定的制御を可能にするか？
• RQ2 ナノスケールレーシングトラックにおいて、ひずみとSOTを用いたシナプス重みの再プログラミングに要する最小エネルギーはどれくらいか？
• RQ3 エッジ粗さおよび熱雑音に起因するデバイスのばらつきが、ドメイン壁平衡位置の統計的分布に与える影響は何か？
• RQ4 熱雑音およびエッジ粗さに起因するドメイン壁位置の確率的性質が、確率的重み更新を支援するものとして活用可能か？量子化ニューラルネットワークにおける分類精度の向上に寄与するか？
• RQ5 実際の製造および運用条件下で、得られる異なるシナプス状態の最大数は何か？

主な発見

• 提案されたデバイスは、ゼロ温度条件下、RMS 3 nmのエッジ粗さを有する500 nm × 500 nmのレーシングトラックで、5状態のシナプス動作を達成した。
• 室温の熱雑音およびRMS 6 nmのエッジ粗さが存在する条件下では、状態間の重なりが最小限に抑えられるようになるため、3状態のシナプス動作が信頼性を持って達成可能である。
• 各シナプス重み更新におけるエネルギー損失は約3.62 fJと推定され、そのうち約1.2 fJが圧電性充電に、約2.42 fJがSOT電流路のI²R損失に寄与している。
• ドメイン壁位置の統計的分布は、電圧パルスによるPMAの変調に応じて明確に異なる平均値を示し、多値の重み表現が可能であることが確認された。
• ノッチまたはプロトリュージョントラップの選択的配置により、シナプス状態の重なりを低減でき、より高い状態数の実現への道筋が示唆された。
• 熱雑音およびエッジ粗さに起因するシステムの固有の確率的性質は、量子化ニューラルネットワークにおける学習と相性が良く、確率的重み更新が性能向上に寄与する可能性がある。