[論文レビュー] Memristors can implement fuzzy logic

Martin Klimo, Ondrej Šuch|arXiv (Cornell University)|Oct 10, 2011

Advanced Memory and Neural Computing参考文献 29被引用数 34

ひとこと要約

この論文は、理想のバイレベルメモリスタを用いた反平行配置により、メモリスタ回路がファジィ論理演算——特にminおよびmax——を実装できることを示している。メモリスタの電圧依存抵抗スイッチングを利用することで、高いmエフェクティビティ条件下で、minおよびmax関数を高い精度で近似可能であり、低消費電力のファジィ分類器やニューロモルフィックコンピューティングへの応用が可能である。

ABSTRACT

In our work we propose implementing fuzzy logic using memristors. Min and max operations are done by antipodally configured memristor circuits that may be assembled into computational circuits. We discuss computational power of such circuits with respect to m-efficiency and experimentally observed behavior of memristive devices. Circuits implemented with real devices are likely to manifest learning behavior. The circuits presented in the work may be applicable for instance in fuzzy classifiers.

研究の動機と目的

• メモリスタベースの回路がブール論理を超えてファジィ論理演算を実装できることを示すこと。
• ボルツマンアーキテクチャと脳の間の計算ギャップを埋めるために、メモリスタを用いて記憶と処理を統合すること。
• 実際の非理想メモリスティブデバイスが、理想行動からの実験的逸脱を示しても、ファジィ論理計算に実用可能かどうかを検討すること。
• 遅いスイッチングダイナミクスおよび非理想デバイス特性が、メモリスタ回路に学習行動をどのようにもたらすかを調査すること。
• このような回路が、ファジィ分類器やパターン認識タスクなどの実用的ファジィシステムにどの程度適用可能かを評価すること。

提案手法

• 入力電圧の相対的大小に基づき、電圧 divider 回路における反平行メモリスタ配置を用いて min および max 関数を計算する。
• キルヒホッフの電圧則およびクラメルの定理を用いて、回路モデルにおける電流および出力電圧の式を導出する。
• 時間tが無限大に近づく極限を適用することで、構成に応じて出力電圧が max(X,Y) または min(X,Y) に収束することを示す。
• 外部抵抗 R に対する R_ON と R_OFF の比を定量化するための mエフェクティビティ（μ_eff）の概念を導入する。
• ビトニックソートネットワークのシミュレーションを用いて、mエフェクティビティが回路の精度に与える影響を分析する。
• 電圧依存の指数関数的スイッチング時間依存性およびやや緩い単調性違反を含む非理想メモリスタ行動を検討し、耐障害性を評価する。

実験結果

リサーチクエスチョン

• RQ1 メモリスタ回路は、抵抗および電圧に基づく原理のみを用いて、ファジィ論理演算（min や max など）を計算可能か？
• RQ2 mエフェクティビティが、メモリスタベース回路における min-max 計算の精度にどのように影響するか？
• RQ3 遅いスイッチングや非単調的抵抗特性といった非理想メモリスタ行動が、ファジィ論理計算に与える影響は何か？
• RQ4 繰り返しまたは変化する入力に対して、抵抗の動的変化が原因で、メモリスタ回路に学習行動が現れるか？
• RQ5 実際のメモリスティブデバイス（例：TiO2 や TaOx）は、実験的逸脱を示しても、信頼性のあるファジィ論理計算を実現できるか、その範囲はどの程度か？

主な発見

• 理論的分析により、高mエフェクティビティ（μ_eff ≫ 1）条件下では、反平行メモリスタ回路の出力電圧が t → ∞ で max(X,Y) または min(X,Y) に収束することが示された。
• μ_eff = 1000 の場合、ビトニックソートネットワークのシミュレーションで出力誤差が1%未満となり、高い精度が確認された。
• 低mエフェクティビティ（例：μ_eff = 10）の回路では、強い線形化効果が発現し、出力の理想 min-max 行動からのずれが小さくなった。
• 指数関数的スイッチング時間依存性を示す非理想メモリスタでも、正しい計算は可能であるが、収束に至るまでに長時間の入力継続または繰り返し適用が必要となる。
• システムは学習行動を示す：同じ入力シーケンスを繰り返し適用すると、一時的な状態が誤りであっても、最終的に正しい min/max 出力が得られる。
• 電流／電圧がゼロから明確に離れており、最終的にメモランスタンスが R_ON または R_OFF に到達する条件が満たされていれば、理想の単調性がわずかに違反しても正しく動作することが十分である。