[논문 리뷰] Challenges in materials and devices for Resistive-Switching-based Neuromorphic Computing

Javier del Valle, Juan Gabriel Ramírez외 2명|arXiv (Cornell University)|2018. 10. 31.

Advanced Memory and Neural Computing인용 수 11

한 줄 요약

이 논문은 전이 금속 산화물을 사용한 저항성 스위칭 기반 뉴로모픽 컴퓨팅 시스템을 개발하는 데 있어 도전 과제와 기회를 검토한다. 전기적 축적 기반 장치의 설계를 설명하며 뇌 유사 기능을 모방하는 데 초점을 맞추며, 재료 선택, 저항성 스위칭 메커니즘, 그리고 확장 가능한 에너지 효율적인 뉴로모픽 하드웨어를 위한 통합 과제를 강조한다.

ABSTRACT

This tutorial describes challenges and possible avenues for the implementation of the components of a solid-state system, which emulates a biological brain. The tutorial is devoted mostly to a charge-based (i.e. electric controlled) implementation using transition metal oxides materials, which exhibit unique properties that emulate key functionalities needed for this application. In the Introduction, we compare the main differences between a conventional computational machine, based on the Turing-von Neumann paradigm, to a Neuromorphic machine, which tries to emulate important functionalities of a biological brain. We also describe the main electrical properties of biological systems, which would be useful to implement in a charge-based system. In Chapter II, we describe the main components of a possible solid-state implementation. In Chapter III, we describe a variety of Resistive Switching phenomena, which may serve as the functional basis for the implementation of key devices for Neuromorphic computing. In Chapter IV we describe why transition metal oxides, are promising materials for future Neuromorphic machines. Theoretical models describing different resistive switching mechanisms are discussed in Chapter V while existing implementations are described in Chapter VI. Chapter VII presents applications to practical problems. We list in Chapter VIII important basic research challenges and open issues. We discuss issues related to specific implementations, novel materials, devices and phenomena. The development of reliable, fault tolerant, energy efficient devices, their scaling and integration into a Neuromorphic computer may bring us closer to the development of a machine that rivals the brain.

연구 동기 및 목표

• 생물학적 뇌 기능을 모방하는 고체 상태 뉴로모픽 시스템을 개발하는 데 있어 핵심 도전 과제를 식별하고 분석하는 것.
• 전통적인 튜링-폰 노이만 컴퓨팅과 생물학적 신경망 원리를 기반으로 한 뉴로모픽 아키텍처를 비교하는 것.
• 저항성 스위칭 장치에 적합한 기능 재료로서의 전이 금속 산화물의 적합성을 평가하는 것.
• 장치 신뢰성, 고장 내성, 에너지 효율성, 확장성과 관련된 열린 연구 과제를 개략적으로 제시하는 것.
• 재료 혁신과 장치 공학을 통해 저항성 스위칭 기반 뉴로모픽 컴퓨팅을 발전시키기 위한 종합적인 로드맵을 제공하는 것.

제안 방법

• 생물학적 신경망 기반 뉴로모픽 컴퓨팅과 전통적인 컴퓨팅 패러다임을 체계적으로 비교한다.
• 고체 상태 장치에서 시냅스 모방을 가능하게 하는 핵심 물리적 메커니즘인 저항성 스위칭 현상에 대해 검토한다.
• 예를 들어 필라멘트 형성과 이온 이동을 포함한 전이 금속 산화물 내 저항성 스위칭 메커니즘의 이론적 모델을 분석한다.
• 뉴로모픽 응용을 위한 저항성 랜덤액세스 메모리(ReRAM) 장치의 기존 실험적 구현 사례를 검토한다.
• 스위칭 속도, 내구성, 유지성, 에너지 효율성과 같은 장치 성능 지표를 평가한다.
• 뉴로모픽 하드웨어의 확장에 있어 통합 과제와 시스템 수준의 고려 사항을 논의한다.

실험 결과

연구 질문

• RQ1 아키텍처와 정보 처리 측면에서 전통적 컴퓨팅과 뉴로모픽 컴퓨팅 간의 근본적인 차이는 무엇인가?
• RQ2 생물학적 뉴런과 시냅스의 전기적 성질은 저항성 스위칭 장치 설계에 어떻게 영향을 미치는가?
• RQ3 전이 금속 산화물 내에서 지배적인 저항성 스위칭 메커니즘은 무엇이며, 어떻게 시냅스 기능을 가능하게 하는가?
• RQ4 신뢰성 있고 확장 가능하며 에너지 효율적인 뉴로모픽 시스템을 달성하기 위해 가장 유망한 재료와 장치 아키텍처는 무엇인가?
• RQ5 실용적인 뉴로모픽 컴퓨팅을 위해 장치 신뢰성, 고장 내성, 시스템 통합 측면에서 남아 있는 핵심 연구 과제는 무엇인가?

주요 결과

• 전이 금속 산화물은 산소 공여체 이동과 필라멘트 형성 덕분에 조절 가능한 저항성 스위칭 행동를 나타내어 인공 시냅스에 이상적인 후보자이다.
• 이들 재료 내 저항성 스위칭은 비버니시브, 저에너지 및 다중 저항 상태를 가능하게 하여 시냅스 가소성의 모방에 필수적이다.
• 전기화학적 금속화 및 밸런스 변화 메커니즘과 같은 저항성 스위칭 이론적 모델은 장치의 주요 동작을 설명한다.
• 기존의 ReRAM 장치는 나노초 범위의 스위칭 속도를 보이며, 내구성은 10^6회 이상, 유지 시간은 10^4초 이상을 기록한다.
• 장치 간 변동성, 장기적 안정성, 대규모 뉴로모픽 시스템에 대한 확장 가능한 통합 측면에서 여전히 중요한 과제가 남아 있다.
• 논문은 뇌 유사 컴퓨팅 성능을 달성하기 위해 해결되어야 할 재료 발견, 장치 공학, 시스템 수준 설계 측면의 열린 문제들을 규명한다.