MRAM based neuromorphic cell for Artificial Intelligence

Author:
Publisher website
Google Scholar
Abstract
Cellule MRAM neuromorphique pour l'Intelligence Artificielle: La constante évolution de la société en termes de besoin computationnel tend vers les applications d'intelligence artificiel qui étaient autrefois réservés exclusivement à l'Homme. Le développement d'algorithme reposant sur l'apprentissage profond a rendu possible le dépassement des capacités du cerveau humain dans ces domaines de prédilections comme la reconnaissance d'images et de paroles, la prise de décision et les problèmes d'optimisation. Pourtant, les réseaux de neurones artificiels capable de résoudre ces problèmes repose de manière intensive sur d'énorme quantité de donnés et requiert de nombreuses opérations en parallèle. Quand ces algorithmes tournent sur des architectures classiques de type Van Neumann où l'unité de calcul est séparée de l'unité mémoire, la latence du réseau et son énergie consommée augmente exponentiellement avec sa taille. De ce constat, la communauté scientifique commença a développé des schémas informatiques inspiré du cerveau afin de surpasser les limitations observées. En particulier, les réseaux de neurones impulsionnels ont été prédit par W. Maass en 1997 comme étant un candidat adapté à la maximisation du dispersement des opérations dans le réseau tout en démontrant des performances égales, sinon meilleures, aux premières générations de réseaux de neurones. Jusqu'à maintenant, des circuits intégrés orienté vers une application donnée (ASICs) ont été développé par des industriels tel que Intel ou IBM pour émuler des réseaux de neurones impulsionnels, se basant sur des technologies courantes CMOS. Le nombre de transistors nécessaire pour accomplir certaines fonctionnalités critique propre aux réseaux de neurones, comme les neurones impulsionnels, sont toujours très important, ce qui n'est pas souhaitable dans une stratégie de réduction de miniaturisation poussées.Dans ce contexte, de nouvelles solutions ont été proposé pour reproduire les caractéristiques synaptiques et neuronales tout essayant de réduire un maximum l'empreinte physique et la consommation énergétique. En outre, différent type de nano-synapses reposant sur des mémoires émergeantes non-volatile ont exploré des poids synaptiques multi-niveaux ainsi que la reproduction des fonctions mémoires court-terme et long-terme. Parmi elles, les solutions basées sur une technologie spintronique sont celle les plus matures d'un point de vue industriel puisque les mémoires à accès direct magnétique (MRAM), pouvant servir de synapses binaires, ont déjà atteint le marché international depuis une dizaine année. Pourtant, l'existence d'un neurone impulsionnel compatible avec une synapses spintroniques est toujours manquant dans la littérature actuelle.Cette thèse prend donc sa place dans ce contexte de développement de nouvelles solutions spintroniques afin d'émuler un neurone impulsionnel. Les jonctions tunnels magnétiques (JTMs) largement utilisées en spintronique pour leur endurance en tant que mémoire tout en démontrant des énergies d'écriture et de lecture très faible ainsi qu'une compatibilité "back-end of line" et CMOS. La solution élaborée dans ce présent manuscrit prends l'avantage des JTMs pour concevoir un neurone impulsionnel basé sur la dynamique "windmill". Le concept de JTM à double couche libre est modélisé, nano fabriqué et caractérisé électriquement pour donner une perspective constructive sur son potentiel utilisation en tant que neurone impulsionnel.

This publication has 129 references indexed in Scilit: