[논문 리뷰] 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 Kaisar외 2명|arXiv (Cornell University)|2020. 10. 20.

Advanced Memory and Neural Computing참고 문헌 68인용 수 21

한 줄 요약

이 논문은 압전재료를 내장한 나노스케일 레이서트랙에서 전압 제어형 변형 공학을 적용한 도메인 월 시냅스를 제안하며, 조절 가능한 수직 자기이성도(Perpendicular Magnetic Anisotropy, PMA)를 통해 다중 상태 시냅스 가중치를 실현한다. 고정된 스핀 오르빗 토크(Spin-Orbit Torque, SOT) 전류 펄스와 압전 기판에서 유도된 전압에 의한 변형을 조합함으로써, 이상 조건에서는 5단계 작동을, 열 노이즈와 가장자리 거칠기 조건에서는 3단계 작동을 달성하며, 시냅스 업데이트 당 에너지 손실이 4 fJ 이하로 유지되어 에너지 효율적인 양자화 뉴로모픽 계산에 매우 적합하다.

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.

연구 동기 및 목표

• 실제 조건인 열 노이즈와 가장자리 거칠기를 고려한 에너지 효율적이고 재프로그래밍 가능한 시냅스 장치를 개발하여 뉴로모픽 계산에 활용하는 것.
• SOT 구동 도메인 월 운동을 갖는 나노스케일 레이서트랙에서 PMA의 전압 제어형 변형 조절을 통해 다중 상태 시냅스 가중치를 실현하는 것.
• 에지 장치와 실시간 학습이 가능한 양자화 신경망에 적합한 초저에너지 시냅스 업데이트(수 fJ 이하)를 달성하는 것.
• 노이즈와 거칠기로 인한 장치 변동성과 확률적 특성을 제거하는 것이 아니라 활용함으로써, 양자화 학습 프레임워크에서 안정된 작동을 가능하게 하는 것.

제안 방법

• Pt/CoFe/MgO/CoFe 자기터널접합(Magnetic Tunnel Junction, MTJ) 구조를 압전 기판에 패터닝하여 편향된 Néel 도메인 월을 갖는 나노스케일 레이서트랙을 형성한다.
• 상하 전극에 걸리는 전압 펄스가 압전 기판에서 기계적 변형을 유도하며, 이는 자성결합을 통해 자유층의 PMA를 조절한다.
• Pt층에 고정된 크기와 지속시간을 갖는 스핀 오르빗 토크(SOT) 전류 펄스를 인가하여 레이서트랙을 따라 도메인 월(DW)의 운동을 유도한다.
• 가장자리 거칠기와 잠재 에너지 최소값으로 인해 도메인 월의 위치가 다양한 곳에 정지되며, 평형 위치는 PMA 조절에 따라 통계적으로 분포된다.
• MUMAX3를 사용한 마이크로자기 시뮬레이션을 통해 Landau–Lifshitz–Gilbert–Slonczewski 방정식을 이용해 자화의 역학을 모델링하며, SOT, DMI, 열 노이즈, 응력 유도 PMA 변화를 포함한다.
• 0 K와 실온(300 K) 조건에서 다양한 가장자리 거칠기(3–6 nm RMS)를 고려해 평가하며, 도메인 월 위치를 3 또는 5개의 이산 수준으로 분류하여 시냅스 상태를 정의한다.

실험 결과

연구 질문

• RQ1 압전 기판에서의 전압 제어형 변형 조절이 열 노이즈와 가장자리 거칠기 조건에서도 다중 상태 시냅스 가중치를 위한 도메인 월 위치의 결정적 제어를 가능하게 하는가?
• RQ2 나노스케일 레이서트랙에서 변형과 SOT를 이용한 시냅스 가중치 재프로그래밍에 필요한 최소 에너지는 얼마인가?
• RQ3 가장자리 거칠기와 열 노이즈로 인한 장치 변동성이 도메인 월 평형 위치의 통계적 분포에 미치는 영향은 어떠한가?
• RQ4 열 노이즈와 가장자리 거칠기로 인한 도메인 월 위치의 본질적 확률적 특성을 활용하여, 확률적 가중치 업데이트를 지원함으로써 양자화 신경망의 분류 정확도를 향상시킬 수 있는가?
• RQ5 실제 제조 및 작동 조건에서 달성 가능한 고유한 시냅스 상태의 최대 수는 얼마인가?

주요 결과

• 제안된 장치는 0 K 조건에서 3 nm RMS 가장자리 거칠기 조건에서 500 nm × 500 nm 레이서트랙에서 5단계 시냅스 작동을 달성한다.
• 실온의 열 노이즈와 6 nm RMS 가장자리 거칠기 조건에서는 상태 간 겹침이 최소화된 3단계 시냅스 작동이 신뢰성 있게 가능하다.
• 각 시냅스 가중치 업데이트에 대한 에너지 손실은 약 3.62 fJ로 추정되며, 이는 약 1.2 fJ의 압전 기판 충전 에너지와 약 2.42 fJ의 SOT 전류 경로에서의 I²R 손실로 구성된다.
• 도메인 월 위치의 통계적 분포는 전압 펄스에 의해 유도된 다양한 PMA 수준에 따라 명확한 평균값을 보이며, 다중 수준의 가중치 표현이 가능하다.
• 노치 또는 돌출형 트랩의 선택적 배치를 통해 시냅스 상태 간 겹침을 줄일 수 있으며, 이는 더 높은 상태 수의 달성을 위한 길을 열어준다.
• 열 노이즈와 가장자리 거칠기로 인한 본질적 확률적 특성은 양자화 신경망에서의 학습과 호환되며, 확률적 가중치 업데이트가 성능 향상에 기여할 수 있다.