具有内部记忆的人工纳米光子神经元用于生物启发和储备网络计算
摘要：具有内部记忆的神经元被提议用于生物和生物启发式神经网络，增加了有趣的功能性。我们提出并建立了一个基于纳米尺度光电神经元节点的充电限时记忆和信号评估的模型。节点之间的连接是通过节点发射和接收的加权光信号实现的。该设备基于非常成熟的III-V纳米线技术，具有高光电转换效率、低能耗和亚波长光聚焦等优点。我们使用实验数值为线的性能创建了一个完整人工神经节点设备的灵活计算模型。该模型可以模拟具有不同硬件导出属性和广泛变化的光互联的节点组合。利用这个模型，我们模拟了两种类型的神经网络的硬件实现。首先，我们展示了节点记忆衰减时间的有意变化可以显著提高储备池网络的性能。其次，我们模拟了纳米线节点实施昆虫大脑中央复合网络的解剖限制功能模型，并发现即使包括了在现实设备制造中可能存在的节点性能变化，它也能良好地运行。我们的工作证明了具有记忆的具体、可变的纳米光子神经节点的可行性。利用可变的记忆时间常数来开辟网络性能的新机会是一种通用的硬件导出特性，适用于广泛的实现范围。
作者：David Winge, Magnus Borgstr"om, Erik Lind and Anders Mikkelsen
论文ID：2305.00741
分类：Applied Physics
分类简称：physics.app-ph
提交时间：2023-05-02