Французские специалисты представили нейросеть, которая основана на технологии мемристора.

Сотрудники CEA-Leti совместно с CEA-List и двумя лабораториями CNRS представили первую рабочую нейронную сеть, благодаря которой можно классифицировать типы записей аритмии с точной алеаторной и эпистемической неопределенностью.

Отметим, что, несмотря на успех байесовских нейросетей в решении задач безопасности сенсорных приложений для медицинской диагностики, вероятностный характер требует более широкого использования энергии и вычислений. Это связано с необходимостью установления генератора случайных чисел для хранения распределений вероятностей, синаптических весов.

Специалисты представили полную аппаратную реализацию байесской нейронной сети, которая использует внутреннюю изменчивость мемристоров для хранения этих вероятностных распределений. Ученые использовали внутреннюю изменчивость мемристоров для хранения этих вероятностных распределений вместо использования генераторов случайных чисел.

Еще одной проблемой являлась необходимость массовых параллельных операций умножения при выполнении вывода в командном подходе. Для решения проблемы энергоемкости этих операций ученые использовали поперечные перекладины мемристоров, которые естественным образом реализуют умножение между входным напряжением и вероятностным синапическим весом через закон Ома и накопление через текущий закон Кирхгофа. Такой подход помог значительно снизить энергопотребление.