Bridging Function Approximation and Device Physics via Negative Differential Resistance Networks
Created by
Haebom
저자
Songyuan Li, Teng Wang, Jinrong Tang, Ruiqi Liu, Yuyao Lu, Feng Xu, Bin Gao, Xiangwei Zhu
개요
본 논문은 완전 아날로그 신경망 연산을 구현하기 위해, 콜모고로프-아르놀드 네트워크(KAN)를 음성 저항 소자를 활용하여 구현하는 KANalogue를 제안한다. NbSi2N4/HfSi2N4 이종 구조로 제작된 터널 다이오드의 음성 저항 특성을 활용하여 좌표별 비선형성을 구현하고, 이를 통해 시각 벤치마크에서 경쟁력 있는 정확도를 유지하면서도 최소한의 파라미터로 복잡한 함수를 근사할 수 있음을 입증한다.
시사점, 한계점
•
시사점:
◦
완전 아날로그 신경망 연산을 위한 새로운 접근 방식 제시: 음성 저항 소자를 활용한 KAN 구현.
◦
KAN의 효율적인 구현 가능성 입증: 최소한의 파라미터로 복잡한 함수 근사.
◦
장치 수준의 물리 현상과 함수 근사 이론의 연계: 에너지 효율적인 아날로그 머신러닝 시스템 구축 가능성 제시.
•
한계점:
◦
NbSi2N4/HfSi2N4 이종 구조 터널 다이오드에 기반한 구현: 특정 하드웨어에 의존적.
◦
다이오드 특성을 소프트웨어적으로 에뮬레이션: 완전한 아날로그 연산의 한계.
◦
구체적인 에너지 효율성 비교 및 확장성 연구 부족: 실제 시스템 구현 및 확장성에 대한 추가 연구 필요.
