[论文解读] Cryogenic in-memory computing using magnetic topological insulators

Yuting Liu, Albert Lee+18 more|arXiv (Cornell University)|Sep 20, 2022

Advanced Memory and Neural Computing被引用 5

一句话总结

该论文提出了一种基于磁性拓扑绝缘体作为忆阻器的低温原位计算架构，利用手征性边缘态和拓扑表面态实现高能效、稳定且低随机性的开关。该架构仅使用四个忆阻器即实现了高精度分类，并在图像识别和量子态制备的大规模神经网络仿真中，相较于CMOS和传统磁性忆阻器技术展现出更优的能效和精度。

ABSTRACT

Machine learning algorithms have been proven effective for essential quantum computation tasks such as quantum error correction and quantum control. Efficient hardware implementation of these algorithms at cryogenic temperatures is essential. Here, we utilize magnetic topological insulators as memristors (termed magnetic topological memristors) and introduce a cryogenic in-memory computing scheme based on the coexistence of the chiral edge state and the topological surface state. The memristive switching and reading of the giant anomalous Hall effect exhibit high energy efficiency, high stability, and low stochasticity. We achieve high accuracy in a proof-of-concept classification task using four magnetic topological memristors. Furthermore, our algorithm-level and circuit-level simulations of large-scale neural networks demonstrate software-level accuracy and lower energy consumption for image recognition and quantum state preparation compared with existing magnetic memristor and CMOS technologies. Our results not only showcase a new application of chiral edge states but also may inspire further topological quantum physics-based novel computing schemes.

研究动机与目标

• 为量子计算中的机器学习算法在低温环境下的高效硬件实现提供支持。
• 解决现有低温原位计算技术在能效和稳定性方面的局限性。
• 探索手征性边缘态在拓扑材料中用于计算的新应用。
• 开发一种可扩展、低功耗的原位计算平台，兼容量子计算环境。
• 在图像识别和量子态制备方面，相较于CMOS和磁性忆阻器系统，实现性能提升。

提出的方法

• 利用磁性拓扑绝缘体作为忆阻器（磁性拓扑忆阻器），利用手征性边缘态与拓扑表面态共存的特性。
• 采用巨量反常霍尔效应实现忆阻开关与读取，从而实现高能效和低随机性。
• 设计了一种可在低温下稳定运行的低温原位计算方案，适用于与量子处理器集成。
• 通过大规模神经网络的算法级和电路级仿真评估性能与能效。
• 通过仅使用四个磁性拓扑忆阻器的验证性分类任务验证该方法。
• 在准确率和功耗方面，将系统级性能与CMOS和传统磁性忆阻器技术进行对比。

实验结果

研究问题

• RQ1 磁性拓扑绝缘体能否在低温下作为稳定、高能效的忆阻器？
• RQ2 手征性边缘态与拓扑表面态的共存如何实现可靠的原位计算？
• RQ3 基于磁性拓扑忆阻器的低温原位计算系统在分类和神经网络任务中的性能如何？
• RQ4 与CMOS和传统磁性忆阻器系统相比，该架构在能效和准确率方面表现如何？
• RQ5 该平台能否有效支持量子计算任务，如量子纠错和量子态制备？

主要发现

• 由于巨量反常霍尔效应，磁性拓扑忆阻器表现出高能效、高稳定性和低随机性。
• 仅使用四个磁性拓扑忆阻器的验证性分类任务即实现了高准确率。
• 电路级仿真显示，与CMOS和忆阻器基系统相比，图像识别任务中的功耗更低、软件级准确率更高。
• 算法级仿真表明，该系统在量子态制备任务中表现更优，显示出适用于量子计算应用的潜力。
• 该系统在低温下保持高可靠性和低误码率，支持与量子处理器集成。
• 研究结果确立了一种基于拓扑材料的新计算平台，具有发展可扩展、低功耗类脑计算系统的优势。