单载流子信息处理设备内的连接需要传输和存储单个电荷量子。单个电子在被限制在移动量子点中的短小、全电 Si/SiGe 穿梭设备(称为量子总线 (QuBus))中被绝热传输。这里我们展示了一个长度为 10 μ m 且仅由六个简单可调的电压脉冲操作的 QuBus。我们引入了一种称为穿梭断层扫描的表征方法,以对 QuBus 的潜在缺陷和局部穿梭保真度进行基准测试。单电子穿梭穿越整个设备并返回(总距离为 19 μ m)的保真度为 (99.7 ± 0.3) %。使用 QuBus,我们定位和检测多达 34 个电子,并使用任意选择的零电子和单电子模式初始化一个由 34 个量子点组成的寄存器。 28 Si/SiGe 中的简单操作信号、与工业制造的兼容性以及低自旋环境相互作用,有望实现自旋量子比特的长距离自旋守恒传输,从而实现量子计算架构中的量子连接。
摘要。大规模脉冲神经网络模型模拟是提高我们对大脑动态和最终功能理解的重要工具。然而,即使是像老鼠这样的小型哺乳动物也具有大约 1 × 10 12 个突触连接,在模拟中,每个突触连接通常至少有一个浮点值。这相当于几 TB 的数据——对于一台台式机来说,这是不切实际的内存要求。因此,大型模型通常在分布式超级计算机上进行模拟,这很昂贵,并且将大规模建模限制在少数特权研究小组中。在这项工作中,我们描述了 GeNN 的扩展——我们的图形处理单元 (GPU) 加速脉冲神经网络模拟器——使其能够在触发脉冲时“即时”生成连接和突触权重,而不是存储和检索它们。我们发现 GPU 非常适合这种方法,因为它们具有原始计算能力,但由于内存带宽限制,在模拟脉冲神经网络时,这种能力通常未得到充分利用。我们用最新的 Macaque 视觉皮层模型证明了我们方法的价值,该模型由 4.13×106 个神经元和 24.2×109 个突触组成。使用我们的新方法,它可以在单个 GPU 上进行模拟 - 这是使更多研究人员能够进行大规模大脑建模的重要一步。我们的结果与在超级计算机上获得的结果相符,并且模拟在单个高端 GPU 上的运行速度比以前在 1000 多个超级计算机节点上的运行速度快 35%。
大规模脉冲神经网络模型模拟是增进我们对大脑动态和最终功能理解的重要工具。然而,即使是像老鼠这样的小型哺乳动物也具有大约 1 × 10 12 个突触连接,在模拟中,每个突触连接通常至少由一个浮点值表示。这相当于几 TB 的数据——对于一台台式机来说,这是不切实际的内存要求。因此,大型模型通常在分布式超级计算机上进行模拟,这很昂贵,并且将大规模建模限制在少数特权研究小组中。在这项工作中,我们描述了 GeNN(我们的图形处理单元 (GPU) 加速脉冲神经网络模拟器)的扩展,使其能够在触发脉冲时“即时”生成连接和突触权重,而不是存储和从内存中检索它们。我们发现 GPU 非常适合这种方法,因为它们具有原始计算能力,但由于内存带宽限制,在模拟脉冲神经网络时,这种能力通常未得到充分利用。我们用最新的 Macaque 视觉皮层模型证明了我们方法的价值,该模型由 4.13×106 个神经元和 24.2×109 个突触组成。使用我们的新方法,它可以在单个 GPU 上进行模拟 - 这是使更多研究人员能够进行大规模大脑建模的重要一步。我们的结果与超级计算机上的结果相符,并且模拟在单个高端 GPU 上的运行速度比以前在 1000 多个超级计算机节点上的运行速度快 35%。