View : 505 Download: 0

Optimization of 2D Crossbar Architecture for Synaptic-Memristor-Based Neuromorphic System

Optimization of 2D Crossbar Architecture for Synaptic-Memristor-Based Neuromorphic System
Issue Date
대학원 전자전기공학과
이화여자대학교 대학원
As artificial intelligence has attracted much attention, many researches using memristor have been done recently on the neuromorphic system. However, due to the nonlinear conductance of the memristor considered to be synaptic weights, it is difficult to implement a neuromorphic chip that can be used for machine learning. Unlike previous studies that attempt to linearize the conductance of the memristor, this paper used a new training algorithm using the nonlinear conductance of the memristor. New training algorithm with nonlinear conductance is just focusing the sign of weight change and supervised learning is possible without a back-propagation algorithm on the hardware chip. Hence, this study demonstrated that pattern classification can be implemented in ANNs by using a memristor device with a nonlinear characteristic. Furthermore, the memristor characteristics required to achieve accurate learning results were analyzed.;최근 인공지능에 대한 관심이 높아지면서 그와 관련된 연구가 활발히 이루어지고 있다. 특히 기계 학습 연구가 성공적으로 이루어짐에 따라 인공지능 소프트웨어가 비약적으로 발전하고 있다. 하지만 기존의 폰 노이만 구조(Von Neumann)로 인공지능 소프트웨어의 발전을 따라가기에 한계가 있기 때문에 새로운 하드웨어 구조에 대한 필요성이 대두되었다. 새로운 하드웨어 구조에 대한 아이디어는 뇌에서 착안되었다. 고성능의 컴퓨터보다 몇만 배의 효율로 복잡한 일을 간단히 처리하는 뇌의 효율성을 얻고자, 뇌의 구조를 연구하여 이를 하드웨어 구조에 적용하였다. 이를 뉴로모픽 칩(neuromorphic chip)이라 하며, 뇌를 모방하기 위해 구조 및 새로운 소자에 대한 하드웨어 연구가 활발히 이루어지고 있다. 본 연구의 목적은 뉴로모픽 구조에 있어 시냅스의 역할을 할 수 있는 멤리스터(memristor) 소자의 특성을 분석함에 있다. 또한 이 synaptic memristor device가 기계 학습 알고리즘을 충분히 수행할 수 있는가에 관한 연구를 진행하였다. 멤리스터의 nonlinear한 I-V 특성으로 인해, back-propagation 알고리즘을 수반하는 artificial neural network (ANN)에서 뉴로모픽 하드웨어를 구축하기에 많은 어려움이 있다. 따라서 본 논문에서는 back-propagation 알고리즘 없이, nonlinear한 특성을 가진 멤리스터 소자를 사용하면서도 ANN에서 pattern classification이 가능함을 보였다. 또한 높은 정확도의 결과를 가지기 위해 필요한 멤리스터의 특성을 분석 및 제안하였다.
Show the fulltext
Appears in Collections:
일반대학원 > 전자전기공학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
RIS (EndNote)
XLS (Excel)


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.