包括自旋电子谐振器的神经网络制造技术

本发明专利技术涉及一种神经网络(100)，该神经网络包括：突触链，各个突触链包括突触，各个突触是自旋电子谐振器，自旋电子谐振器串联，各个自旋电子谐振器具有可调节的谐振频率；和有序的神经元层(102)，各个神经元是以其自身频率振荡的射频振荡器，下层通过互连(104)连接到上层，该互连包括连接到整流电路的突触链的组件，突触链的组件的各个谐振频率对应于下层的射频振荡器的频率。射频振荡器的频率。射频振荡器的频率。

【技术实现步骤摘要】
【国外来华专利技术】包括自旋电子谐振器的神经网络


[0001]本专利技术涉及一种神经网络。

技术介绍

[0002]互联网和所连接的传感器的发展导致获得大量数据的可能性。这种通常被称为“大数据”的现象意味着使用计算机能够利用所获得的所有数据。这种利用可以用于许多领域，包括自动数据处理、诊断辅助、预测分析、自主车辆、生物信息学或监视。
[0003]为了实施这种利用，已知使用作为可以在诸如CPU或GPU的处理器上执行的程序的一部分的自动学习算法。CPU是处理器，首字母缩略词CPU来自术语“Central Processing Unit(中央处理单元)”，其字面上意指中央处理单元，而GPU是图形处理器，首字母缩略词GPU来自术语“Graphic Processing Unit(图形处理单元)”，其字面上意指图形处理单元。
[0004]在学习实施技术中，形式神经网络、尤其是深度神经网络的使用变得越来越常见，因为这些结构由于其在诸如自动数据分类和模式识别的许多任务中的性能而被认为是非常有前景的。
[0005]神经网络在图1中示意性地示出，并且通本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种神经网络(100)，包括：
‑
突触链(110)，各个突触链(110)包括突触(112)，各个突触(112)是自旋电子谐振器(164)，所述自旋电子谐振器(164)串联，各个自旋电子谐振器(164)具有可调节的谐振频率；
‑
有序的神经元层(102)，各个神经元(106)是以其自身频率振荡的射频振荡器，下层通过互连(104)连接到上层，该互连包括连接到整流电路(152)的突触链(110)的组件(108)，所述突触链(110)的组件(108)的各个谐振频率对应于所述下层的射频振荡器的频率。2.根据权利要求1所述的神经网络，其中，所述下层(102)的神经元(106)适于向所述突触链(110)传输信号，所述信号是射频电流、射频磁场或自旋波。3.根据权利要求1或2所述的神经网络，其中，所述神经网络(100)包括用于通过改变施加到自旋谐振器(164)的电压、电流或磁场中的一个来调节所述谐振频率的调节元件。4.根据权利要求1至3中任意一项所述的神经网络，其中，定义一平面，所述神经元层(102)主要在所述平面中延伸，所述突触链(110)被布置为垂直于所述平面。5.根据权利要求1至3中任意一项所述的神经网络，其中，定义一平面，所述神经元层(10...

【专利技术属性】
技术研发人员：朱莉，
申请(专利权)人：国家科学研究中心，
类型：发明
国别省市：