مدل سخت‌افزاری برای نورون اتفاقی مبتنی بر پیوند تونل مغناطیسی در جریان‌های کمتر از جریان بحرانی

نورون اتفاقی در شبکه‌های عصبی اهمیت زیادی دارد و یکی از مهم‌ترین مباحث در الگوریتم‌های یادگیری ماشین است. پژوهشگران همواره به پیاده‌سازی سخت‌افزاری شبکه‌های عصبی توجه ویژه داشته‌اند. پیاده‌سازی سخت‌افزاری شبکه‌های عصبی باعث افزایش چشم‌گیر کارایی و کاربرد شبکه‌های عصبی می‌شود؛ به همین دلیل، پیاده‌سازی سخت‌افزاری نورون اتفاقی نیز اهمیت زیادی دارد. در این مقاله با استفاده از ویژگی تغییر حالت احتمالی پیوند تونل مغناطیسی در جریان‌های کمتر از جریان بحرانی، یک مدل سخت‌افزاری برای نورون اتفاقی ارائه شده‌ است. نتایج شبیه‌سازی مدل پیشنهادی با استفاده از نرم‌افزار hspice نشان می‌دهند مدل پیشنهادی عملکردی مشابه توصیف ریاضی نورون اتفاقی دارد و خطای این مدل نسبت به توصیف ریاضی همواره کمتر از 4.8% است. همچنین، شبیه‌سازی در گوشه‌های فرآیند ساخت نشان می‌دهد این مدل حتی در حضور تغییرات فرایند ساخت نیز عملکرد پذیرفتنی داشته و میزان خطای آن نسبت به شبیه‌سازی ایدئال و مدل ریاضی به‌ترتیب کمتر از 15.46% و 17.43% است.

Hardware Model for Stochastic Neuron Based on Magnetic Tunnel Junction in the Subcritical Current Switching Regime

The stochastic neuron has great importance in neural networks and is one of the most important subjects in machine learning algorithms. Hardware implementation of neural networks has always been of interest to researchers and can significantly increase the performance and applications of neural networks. Hence hardware implementation of the stochastic neuron is also important. In this paper, utilizing stochastic behavior of MTJs in subcritical current regime a hardware model for stochastic neurons is proposed. Using HSpice tool, the proposed model was simulated and simulation results show that the proposed model functionality is similar to the mathematical description of the stochastic neuron and the error of this model is always less than 4.8% compared to the mathematical description of the stochastic neuron. Also using corner simulation, it was shown that this model performs properly even in the presence of process variation and its error rate is less than 15.46% and 17.43% compared to the mathematical model and ideal simulation, respectively.