アナログコンピューティングのためのナノスケールNbO2モットメモリスタにおけるカオティックダイナミクス

タイトル	アナログコンピューティングのためのナノスケールNbO2モットメモリスタにおけるカオティックダイナミクス
著者紹介	スハース・クマール、ジョン・ポール・ストラチャン、R・スタンリー・ウィリアムズ
雑誌	自然
日付	08/09/2017
土居	https://doi.org/10.1038/nature23307
はじめに	現在の機械学習システムは、単純化されたニューロンモデルを採用していることが多く、時空間協調ダイナミクスを示す生物システムに存在する複雑な非線形現象が欠けている。この状態は、複雑性、学習効率、適応性、非ブール計算にとって極めて重要である。神経回路網は、このエッジにおいて計算複雑性が向上することを示し、最適化問題を解くためのカオス的要素が提案されている。神経回路に統合可能な制御可能なカオス動作源の開発は、将来の計算システムに不可欠である。これまで、カオス素子は複雑なトランジスタ回路を用いてシミュレートされてきたが、カオスダイナミクスを示すスケーラブルな電子デバイスは実現されていなかった。本研究では、非線形輸送駆動型の電流制御負性微分抵抗とモット転移駆動型の温度制御負性微分抵抗を示す、100ナノメートル以下のナノスケールの二酸化ニオブ（NbO2）モットメモリスタを紹介する。金属-絶縁体転移が温度に依存するモット材料は、電子スイッチとして機能し、履歴に依存した抵抗を提供する。また、このようなメムリスタを弛緩発振器に組み込むことで、周期発振とカオス発振を調整できることが明らかになった。このようなメムリスターは、擬似ランダム信号を生成し、大域的な同期を防ぎ、制約付き最適化の際の大域的な最小値探索を支援することで、神経に触発された計算を強化する可能性がある。具体的には、ホップフィールド・ネットワークにこのメムリスタを組み込むことで、計算困難な問題を解く際の収束効率と精度を大幅に向上させることができる。
引用	Suhas Kumar、John Paul Strachan、R. Stanley Williams。アナログコンピューティングのためのナノスケールNbO2モットメモリスタにおけるカオスダイナミクス。Nature.2017.DOI: 10.1038/nature23307
エレメント	ニオブ
材料	酸化物 , 化学化合物
テーマ	ナノテクノロジーとナノ材料 , 材料設計における機械学習