研究人员开发了一种使用磁隧道结（MTJ）的新型神经元，该神经元可以处理有符号信息，比标准脉冲神经元提供更丰富的 数据表示。这种基于MTJ的神经元模仿了有符号泄漏积分发放（LIF）模型的行为，能够生成双极脉冲。当集成到神经网络中时，该设计在CIFAR-10等图像识别任务上实现了高精度，与理想的有符号LIF神经元性能非常接近。 AI
影响 这种新颖的神经元设计有望为AI带来更高效、更强大的神经形态计算系统。
排序理由 这是一篇描述新型神经元硬件实现的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.03796v1 Announce Type: cross Abstract: Signed spiking neurons carry richer information than standard spiking neurons. This work proposes a compact magnetic tunnel junction (MTJ)-based neuron for signed leaky integrate-and-fire (LIF) operation. With orthogonal easy axes…
Signed spiking neurons carry richer information than standard spiking neurons. This work proposes a compact magnetic tunnel junction (MTJ)-based neuron for signed leaky integrate-and-fire (LIF) operation. With orthogonal easy axes in the free and pinned layers, the device enables…