하드웨어를 완벽하게 구현한 멤리스터 컨볼루션 신경망

컨볼루션 신경망(Convolutional neural networks)은 이미지 분석을 위한 가장 중요한 머신 러닝 모델 중 하나이다. 이 신경망은 현재 그래픽 처리 장치와 같은 기존의 컴퓨팅 하드웨어를 사용하여 구현되지만 맞춤형 하드웨어가 개발되면 성능과 전력 소비율이 상당히 향상될 것이다. 뇌에서 영감을 얻은 뉴로모픽 시스템(Neuromorphic systems)은 머신 러닝을 위한 유망한 후보 하드웨어 아키텍처(Architecture)로 부상하고 있지만 컨볼루션 신경망은 종종 그러한 시스템을 만드는 데 사용되는 멤리스터(Memristors, 장치 히스토리에 의존하는 전기 저항을 가진 구성 요소)로는 구현하기 어려운 것으로 판명되었다. Huaqiang Wu와 그의 동료들은 이미지를 인식하기 위한 5 계층 멤리스터 컨볼루션 신경망을 시연하였으며, 이는 소프트웨어와 유사한 인식 정확도를 나타낸 반면 기존 하드웨어보다 2배 이상의 높은 에너지 효율을 보였다.