[논문 리뷰] Neuromorphic computing in Ginzburg-Landau lattice systems

Andrzej Opala, Sanjib Ghosh외 2명|arXiv (Cornell University)|2018. 08. 13.

Neural Networks and Reservoir Computing인용 수 2

한 줄 요약

이 논문은 진동자-폴라리톤 격자 시스템에서의 저류계산을 제안하며, 그 내재된 비선형 역학을 활용해 고속 시간 신호 처리를 가능하게 한다. 이 방법은 진동자-폴라리톤 격자에서 Tbit/s 수준의 처리 속도를 달성하여, 보편적인 von Neumann 장벽을 극복하는 하드웨어 효율적인 뉴모르픽 계산 패러다임을 제시한다.

ABSTRACT

The availability of large amounts of data and the necessity to process it efficiently have led to rapid development of machine learning techniques. To name a few examples, artificial neural network architectures are commonly used for financial forecasting, speech and image recognition, robotics, medicine, and even research. Direct hardware for neural networks is highly sought for overcoming the von Neumann bottleneck of software implementations. Reservoir computing (RC) is a recent and increasingly popular bio-inspired computing scheme which holds promise for an efficient temporal information processing. We demonstrate the applicability and performance of reservoir computing in a general complex Ginzburg-Landau lattice model, which adequately describes dynamics of a wide class of systems, including coherent photonic devices. In particular, we propose that the concept can be readily applied in exciton-polariton lattices, which are characterized by unprecedented photonic nonlinearity, opening the way to signal processing at rates of the order of 1 Tbit (1/s).

연구 동기 및 목표

• 기존 컴퓨팅에서의 von Neumann 장벽을 해결하기 위해 물리적 하드웨어에 직접 뉴모르픽 계산을 구현하는 것.
• Ginzburg-Landau 방정식로 기술되는 복잡한 동역학 시스템에서 저류계산의 실현 가능성을 탐색하는 것.
• 특히 높은 광학 비선형성을 지닌 진동자-폴라리톤 격자를 활용해 고속 시간 정보 처리를 구현하는 것.
• 비선형 동역학 시스템과 실용적인 뉴모르픽 계산 아키텍처 사이의 다리를 놓는 것.

제안 방법

• 일반적인 복소 Ginzburg-Landau 격자 모델을 물리적 저류로 활용하여, 일련의 일관된 비선형 시스템을 기술할 수 있는 능력을 지닌다.
• 저류 자체의 학습이 필요 없이, 격자의 내재된 비선형 역학을 계산 기반으로 활용한다.
• 입력 신호를 격자 노드에 적용하여 입력 정보가 저류 상태에 인코딩된 시공간 패턴을 유도한다.
• 선형 독출 층을 통해 저류 상태를 읽어내어 분류나 예측과 같은 시간적 작업을 수행한다.
• 진동자-폴라리톤 시스템의 높은 비선형성과 빠른 반응 속도를 활용해 약 1 Tbit/s 수준의 처리 속도를 달성한다.
• 통제된 입력 조건 하에서 Ginzburg-Landau 방정식의 수치 시뮬레이션을 통해 접근의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 Ginzburg-Landau 격자 시스템은 뉴모르픽 계산을 위한 효과적인 물리적 저류로 기능할 수 있는가?
• RQ2 특히 진동자-폴라리톤 격자에서 이러한 시스템에서 달성 가능한 최대 신호 처리 속도는 얼마인가?
• RQ3 Ginzburg-Landau 역학의 내재된 비선형성이 시간 정보 처리 능력을 어떻게 향상시키는가?
• RQ4 이 방법은 기존 AI 하드웨어 아키텍처에서의 von Neumann 장벽을 어느 정도 극복할 수 있는가?

주요 결과

• Ginzburg-Landau 격자 시스템은 시간 신호 처리를 위한 저류로 효과적으로 기능하며, 강력한 계산 성능을 보여준다.
• 격자의 내재된 비선형 역학은 고속 처리를 가능하게 하며, 이론적으로 진동자-폴라리톤 시스템에서 최대 1 Tbit/s의 처리 속도를 달성할 수 있다.
• 이 접근은 저류의 학습 없이도 효율적인 시간 정보 처리를 가능하게 하며, 시스템의 물리적 역학에만 의존한다.
• 진동자-폴라리톤 격자는 그 놀라운 광학 비선형성과 초고속 반응 시간으로 인해 매우 유망한 플랫폼으로 확인된다.
• 이 방법은 확장 가능하고 하드웨어 네이티브인 솔루션을 제공하여 머신러닝 워크로드에서 von Neumann 장벽을 해결한다.
• 수치 시뮬레이션을 통해 다양한 시간 작업에서 접근의 타당성이 확인되었으며, 계산 잠재력이 검증되었다.