[논문 리뷰] Roadmap for Unconventional Computing with Nanotechnology

Giovanni Finocchio, Jean Anne C. Incorvia외 49명|arXiv (Cornell University)|2023. 01. 17.

Advanced Memory and Neural Computing참고 문헌 156인용 수 9

한 줄 요약

이 논문은 나노기술을 이용한 비전통적 컴퓨팅에 대한 포괄적 로드맵을 제시하며, 신경형(neuromorphic) 및 기타 비-폰 노이만(von Neumann) 패러다임을 다루어 향후 연구를 안내합니다.

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.

연구 동기 및 목표

• Moore의 법칙을 넘어 엣지 인텔리전스와 도메인 특화 컴퓨팅으로의 전환을 촉진한다.
• 에너지, 공간 발자국, AI 워크로드 처리 시간을 줄일 수 있는 나노기술 기반 접근 방식 식별.
• 비전통적 컴퓨팅에서 향후 발견을 확고히 하고 안내하기 위한 전체적 경로 세트를 제공.

제안 방법

• 전자 스핀, 멤리스티브 디바이스, 2D 재료, 나노자성체 등과 같은 나노기술 기반 컴퓨팅 패러다임을 조사하고 종합한다.
• Ising 머신, Bayesian 엔진, p-bits를 이용한 확률적 컴퓨팅, 메모리 내 처리(in-memory processing) 등 대체 컴퓨팅 아키텍처를 논의한다.
• 증분 학습과 자원 제약 환경에 대한 뇌 영감의 접근법을 고려한다.
• 양자 기억소와 알고리즘, 스핀 파동, skyrmions, 그리고 다른 동적 시스템을 계산 기질로서 다룬다.
• 현장에 영향력 있는 발견으로 가는 가이드가 될 도전 과제와 연구 필요성을 제시한다.

실험 결과

연구 질문

• RQ1 비전통적 컴퓨팅에 가장 큰 가능성을 보이는 지배적인 나노기술 기반 컴퓨팅 기술은 무엇인가?
• RQ2 이러한 접근 방식의 채택과 확장성을 저해하는 주요 과학 및 공학적 과제는 무엇인가?
• RQ3 현장을 확고히 하고 의미 있는 발견을 가능하게 하기 위해 어떤 연구 경로와 인프라가 필요한가?
• RQ4 비전통적 컴퓨팅 패러다임을 실제 AI 및 엣지 컴퓨팅 워크로드와 어떻게 조정할 수 있는가?

주요 결과

• 논문은 나노기술과 함께 비전통적 컴퓨팅에 대한 향후 연구를 안내하는 총체적 로드맵을 제시한다.
• 신경형 접근법, 멤리스티브 디바이스, 2D 재료, 나노자성체, 그리고 동적 시스템과 같은 지배적 기술을 강조한다.
• Ising machines, Bayesian engines, probabilistic p-bits, in-memory processing, 그리고 양자 기억소를 포함한 추가 패러다임을 다룬다.
• 뇌 영감을 받은 컴퓨팅은 증분 학습 및 자원이 심하게 제약된 환경에서의 작동에 중점을 둔다.
• 로드맵은 향후 필요성, 도전 과제 및 경로를 식별하여 이 분야를 확고히 하고 의미 있는 발견을 가능하게 하는 것을 목표로 한다.