CC BY
0РЕАЛИЗАЦИЯ ЭЛЕМЕНТОВ СВЕРХПРОВОДЯЩИХ НЕЙРОМОРФНЫХ СИСТЕМ
Ионин А.С. -1'2*' Разоренов Ф. А. 1'2, Егоров С.В. 1, Карелина Л.Н. 1, Шуравин Н.С. 1,
Тарасова И.Е. 1'2' Больгинов В.В. 1
1 Институт физики твердого тела имени Ю.А. Осипьяна Российской академии наук, Черноголовка, Московская обл., ул.Академика Осипьяна д.2, 142432, Россия
2Московский физико-технический институт (национальный исследовательский университет)
Искусственные нейронные сети (ANN), в последнее время, все в большем объеме внедряются в различные сферы. Ключевым элементом искусственных нейроморфных систем является нейрон, выполняющий функцию нормировки сигнала, наибольшей перспективностью и преобладающим использованием обладают две: нормировочная функция имеющая форму сигмоиды (G-нейрон) и распределения гаусса (у-нейрон). Увеличение объема массива данных, увеличение свободных параметров приводит к росту времени и росту затрачиваемых ресурсов при обучение сети, что в свою очередь подталкивает на изыскание новых вариантов реализации таких систем. Одним из таковых является идея реализации элементов нейроморфных систем на основе эффекта Джозефсона, наблюдающегося в сверхпроводящих системах. Сверхпроводящие интерферометры показывают большие, чем полупроводниковые структуры, частоты реализации нормирующих функций, а также могут быть реализованы в концепции адиабатических вычислений, что в свою очередь позволит на порядки сократить энергопотребление [1-2].
В данной работе представлены результаты реализации двух типов нейронов [5-6], предложенных ранее в работах [3-4]. Образцы являются многослойными тонкопленочными структурами, формирующие сверхпроводящие замкнутые контуры. Контура содержат один или два туннельных джозефсоновских контакта для g- и у-нейронов соответственно.
Для анализа передаточной функции g и у-нейронов были выведены алгебраические уравнения, описывающие взаимодействие образца с задающим и считывающим элементами. В ходе анализа была выявлена необходимость учета всех элементов матрицы индуктивности предложенной топологии. В связи с чем данная матрица была рассчитана, с помощью доступного программного обеспечения (3D_MLSI и wxLL) [7]. В результате было продемонстрировано совпадение расчетных и измеренных характеристик.
Литература
1. Soloviev Igor I., Klenov Nikolay V., Bakurskiy Sergey V., Kupriyanov Mikhail Yu., Gudkov Alexander L. and Sidorenko Anatoli S., «Beyond Moore's technologies: operation principles of a superconductor alternative» Beilstein II J. Nanotechnol. 2017, 8, 2689-2710. doi:10.3762/bjnano.8.269.
2. Bakurskiy S.V., Gudkov A.L., Klenov N.V., Kuznetsov A.V., Kupriyanov M.Yu. and Soloviev I.I. Progress in the Area of New Energy Efficient Basic Elements for Superconducting Electronics. ISSN 00271349, Moscow University Physics Bulletin, 2014, V. 69, N 4, P. 275-286. © Allerton Press, Inc., 2014.
3. Кленов Н.В., «Принципы построения сверхпроводниковых искусственных нейросетей» Материалы Международной научно-технической конференции, 20-24 ноября 2017 г.
4. Щеголев А.Е., Кленов Н.В, Соловьев И.И., Терешонок М.В. Адиабатические сверхпроводящие ячейки для энергоэффективных нейронных сетей II Журнал радиоэлектроники, ISSN 1684-1719, N9, 2016.
5. А. C. Ионин, H. C. Шуравин , Л. Н. Карелина, А. Н. Россоленко, М. С. Сидельников, С. В. Егоров, В. И. Чичков, М. В. Чичков, М. В. Жданова, А. Е. Щеголев, В. В. Больгинов. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ПРОТОТИПА СВЕРХПРОВОДЯЩЕГО СИГМА-НЕЙРОНА ДЛЯ АДИАБАТИЧЕСКИХ НЕЙРОННЫХ СЕТЕЙ!! ЖЭТФ, 2023, том 164, вып. 6 (12), стр. 1008-1021.
6. A. C. Ионин, Л. Н. Карелина, Н. С. Шуравин, М. С. Сидельников, Ф. А. Разоренов, С. В. Егоров, В. В. Больгинов. Экспериментальное исследование передаточной функции прототипа сверхпроводящего гаусс-нейронаИПисьма в ЖЭТФ, том 118, вып. 10, с. 761 - 768.
7. M.M. Khapaev, A. Kidiyarova-Shevchenko, P.E. Magnelind, M.Y. Kupriyanov. 3D-MLSI: software package for inductance calculation in multilayer superconducting integrated circuits // IEEE Trans. Appl. Supercond. V. 11(1). P. 1090-1093.
