[논문 리뷰] Focused Surface Acoustic Wave induced nano-oscillator based reservoir computing

Md. Fahim F. Chowdhury, Walid Al Misba외 5명|arXiv (Cornell University)|2021. 12. 07.

Neural Networks and Reservoir Computing참고 문헌 42인용 수 9

한 줄 요약

이 논문은 표면 탄성파(SAW)를 이용한 나노자석 배열을 물리적 임펄스 컴퓨팅 시스템으로 제안하며, 4 GHz에서 집중된 SAW가 입력 나노자석의 자화 동역학을 조절하여 연결된 출력 나노자석 배열에서 비선형 반응을 유도한다. 환경 기반 상태 읽기와 무어-펜로즈 의사역행렬 학습을 통해 100 MHz 정현파 및 제곱파 입력을 100% 정확도로 분류하며, 단기 기억력(short-term memory, STM)은 4.69비트, 패리티 체크 capacity는 5.39비트를 기록한다. 이는 CMOS 기반 에코-스테이트 네트워크보다 에너지 소모가 두 배수 정도 낮다.

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.

연구 동기 및 목표

• 표면 탄성파(SAW)를 이용해 나노자석을 자극함으로써 저에너지, 확장 가능한 물리적 임펄스 컴퓨팅 시스템을 개발하는 것.
• SAW에 의해 유도된 나노자석 배열 내 자화 동역학이 강한 기억력과 계산 능력을 지닌 비선형 임펄스로 기능할 수 있음을 입증하는 것.
• 마이크로자기 시뮬레이션을 통해 단기 기억력(STM) 및 패리티 체크(PC) 과제에서 시스템 성능을 평가하는 것.
• SAW 기반 임펄스 시스템의 에너지 효율성을 기존의 CMOS 기반 에코-스테이트 네트워크와 비교하는 것.

제안 방법

• SAW에 의해 유도되는 응력 이방성에 따라 나노자석의 랑다우-리프시츠-기르버그(LLG) 동역학을 모델링하기 위해 MuMax3를 사용한 마이크로자기 시뮬레이션을 수행하였다.
• 리튬 niobate(LiNbO₃) 기판에 집중된 간섭형 변환기(FIDT)가 4 GHz SAW를 생성하였으며, 이는 입력 나노자석의 강자성 공진을 유도하는 순환 응력을 유도하였다.
• 입력 신호는 100 MHz에서 SAW 환경의 진폭 변조로 표현되어 정현파 및 제곱파의 무작위 시퀀스를 형성하였다.
• 출력 나노자석 일곱 개의 자화 동역학 환경을 통해 시스템 상태를 읽었으며, 신호 주기당 20개의 가상 노드(N=20)에서 샘플링하였다.
• 선형 회귀를 통해 무어-펜로즈 의사역행렬을 사용하여 출력 가중치를 학습시켜 분류 및 용량 평가를 가능하게 하였다.
• 에너지 소모는 SAW의 전력, 전압 및 장치 치수를 기반으로 계산되었으며, CMOS 기반 에코-스테이트 네트워크와 비교되었다.

실험 결과

연구 질문

• RQ1 나노자석 배열에서 SAW에 의해 유도된 응력이 계산용 물리적 임펄스로 기능할 수 있을 정도의 비선형 동역학을 생성할 수 있는가?
• RQ2 SAW 기반 나노자석 임펄스의 단기 기억력과 패리티 체크 용량은 얼마인가?
• RQ3 이 SAW 기반 임펄스의 에너지 소비는 기존의 CMOS 기반 에코-스테이트 네트워크와 비교해 어떻게 되는가?
• RQ4 이 시스템은 정현파 및 제곱파와 같은 시간 시리즈 신호에 대해 높은 분류 정확도를 달성할 수 있는가?

주요 결과

• SAW 기반 나노자석 배열은 100 MHz 정현파 및 제곱파 입력을 100% 학습 정확도와 100% 테스트 정확도로 분류하였다.
• 시스템은 약 4.69비트의 단기 기억력(STM) 용량을 보이며, 강력한 시간 기억 능력을 나타낸다.
• 패리티 체크(PC) 용량은 약 5.39비트로 측정되어 높은 비선형성과 계산 능력을 반영한다.
• SAW 기반 임펄스의 에너지 소모는 입력당 약 0.87 × 10⁻¹² J이며, CMOS 기반 에코-스테이트 네트워크보다 두 배수 낮다.
• 4 GHz SAW의 사용은 나노스케일 치수로의 확장 가능성을 제공하며, 100 MHz 환경 변조는 정현파 및 제곱파 이외의 다양한 신호 인코딩에 대한 유연성을 제공한다.