[논문 리뷰] Skyrmion-Magnetic Tunnel Junction Synapse with Mixed Synaptic Plasticity for Neuromorphic Computing

Aijaz H. Lone, Arnab Ganguly외 3명|arXiv (Cornell University)|2022. 05. 30.

Advanced Memory and Neural Computing인용 수 5

한 줄 요약

이 논문은 뉴모르픽 컴퓨팅을 위한 혼합 시냅스 가소성—장기 가소성(LTP)과 단기 가소성(STP)을 동시에 구현하는 스카이미언 기반 자기터널접합(MTJ) 시냅스를 제안한다. LTP는 스카이미언 밀도를 통해 스핀오비트 토크(SOT)와 자기장에 의해 제어되며, STP는 전압 제어 자기이성도(VCMA)에 의해 조절되어 최대 스카이미언 밀도에서 이미지 인식 작업에서 90%의 정확도를 달성한다.

ABSTRACT

Magnetic skyrmion-based data storage and unconventional computing devices have gained increasing attention due to their topological protection, small size, and low driving current. However, skyrmion creation, deletion, and motion are still being studied. In this study, we propose a skyrmion-based neuromorphic magnetic tunnel junction (MTJ) device with both long- and short-term plasticity (LTP and STP) (mixed synaptic plasticity). We showed that plasticity could be controlled by magnetic field, spin-orbit torque (SOT), and the voltage-controlled magnetic anisotropy (VCMA) switching mechanism. LTP depends on the skyrmion density and is manipulated by the SOT and magnetic field while STP is controlled by the VCMA. The LTP property of the device was utilized for static image recognition. By incorporating the STP feature, the device gained additional temporal filtering ability and could adapt to a dynamic environment. The skyrmions were conserved and confined to a nanotrack to minimize the skyrmion nucleation energy. The synapse device was trained and tested for emulating a deep neural network. We observed that when the skyrmion density was increased, the inference accuracy improved: 90% accuracy was achieved by the system at the highest density. We further demonstrated the dynamic environment learning and inference capabilities of the proposed device.

연구 동기 및 목표

• 향상된 학습 적응 능력을 위한 스카이미언 기반 뉴모르픽 시냅스에서 장기 및 단기 가소성을 동시에 갖춘 장치 개발.
• 다중 물리적 자극을 사용한 스카이미언 기반 장치에서 시냅스 가소성 제어의 과제 해결.
• 동적이고 에너지 효율적인 시냅스 행동을 실현하기 위해 스카이미언 밀도와 VCMA의 구현 가능성을 입증.
• 정적 이미지 인식 및 동적 환경 적응 능력에 대한 장치 성능 검증.
• 스케일업 가능하고 저전력인 뉴모르픽 컴퓨팅 플랫폼으로서 토폴로지 보호 특성을 갖춘 스카이미언 탐색.

제안 방법

• 나노트랙을 사용해 스카이미언을 고정시켜 핵형 에너지를 감소시키고 안정적인 조작을 가능하게 한다.
• 장기 가소성(LTP)은 스핀오비트 토크(SOT)와 외부 자기장에 의해 스카이미언 밀도를 조절함으로써 실현된다.
• 단기 가소성(STP)은 전압 제어 자기이성도(VCMA)를 통해 구현되어 일시적인 저항 조절이 가능하다.
• 스카이미언-MTJ 구조는 턨널링 자성저항 효과를 통해 전기적 방식으로 시냅스 가중치를 읽어낼 수 있다.
• 딥 뉴럴 네트워크 모델을 사용해 이미지 분류 작업을 모방하기 위해 장치를 훈련 및 테스트한다.
• 스케일업 가능한 뉴모르픽 운영을 위해 토폴로지 보호와 저에너지 제어 메커니즘을 통합한다.

실험 결과

연구 질문

• RQ1 스카이미언 밀도는 자기터널접합에서 장기 가소성을 위한 조절 가능한 시냅스 가중치로 사용될 수 있는가?
• RQ2 전압 제어 자기이성도(VCMA)는 스카이미언 기반 장치에서 단기 시냅스 가소성을 어떻게 가능하게 하는가?
• RQ3 SOT, 자기장, VCMA의 조합이 단일 장치에서 다중 모드의 시냅스 동역학을 제어할 수 있는가?
• RQ4 스카이미언 밀도는 뉴모르픽 이미지 인식 작업에서 추론 정확도에 어느 정도 영향을 미치는가?
• RQ5 STP 및 LTP 메커니즘의 통합을 통해 장치는 동적 환경에 적응할 수 있는가?

주요 결과

• 최대 스카이미언 밀도에서 정적 이미지 인식 작업에서 장치는 90%의 추론 정확도를 달성했다.
• 스핀오비트 토크와 자기장을 통해 스카이미언 밀도를 조절함으로써 장기 가소성이 성공적으로 제어되었다.
• 전압 제어 자기이성도(VCMA)를 통한 효과적인 조절을 통해 단기 가소성이 실현되어 시간적 필터링이 가능했다.
• 나노트랙 내 스카이미언의 고정은 핵형 에너지를 감소시키고 장치의 안정성을 향상시켰다.
• LTP와 STP의 통합은 장치가 동적 환경에 적응할 수 있도록 하여 강력한 학습 능력을 입증했다.
• 토폴로지 보호와 다중 자극 제어를 통해 시스템은 확장 가능하고 저전력의 시냅스 행동을 보였다.