为什么堆积死在计算机科学受到这么多关注。
矩阵乘法在传统神经网络是一个重要的操作。网络的每个节点接收输入信号,增加了一些预定的重量,并将结果传递到下一层的节点。当信号的性质,所使用的方法来确定权重,和期望的结果都将依赖于特定的应用程序,计算任务只是一个信号点积和重量矩阵。
一个提议实现这样的计算与忆阻器设备使用一个横梁与ReRAM或相变内存元素数组的行和列电极之间的十字路口。权值存储在每个节点的电导。欧姆定律给出了当前我的产品电导(1 / R)和一个电压(V),应用和基尔霍夫定律指出,电流从多个节点可以添加在一起。
虽然这种方法在概念上很简单,所需的大量的连接系统,可以解决实际问题介绍了重大挑战。制造商需要集成方案,可以管理成千上万的输入,与潜在的数以百万计的突触连接。研究人员希望,如果神经形态设计能够打破冯诺依曼瓶颈,被操纵的数据集可能会仍然较大。因为需要大量的连接,某种形式的三维集成是确保需要神经形态计算机体系结构。
三维集成承诺高密度和快速并行计算。另一方面,大量的紧密连接所需的此类计划介绍了许多潜在的问题。对三维集成的热管理是一个重要的问题。ReRAMs,然而,高和低电阻状态之间的转移伴随着大量的焦耳加热。在相变记忆,过渡开关状态之间明确取决于热驱动结构的变化。电路设计人员和包工程师需要知道潜在的热串扰相邻行之间。
IBM的真北的筹码,100万个神经元和2.56亿个突触,提供了一个预览的需求可能会面临这样的设计。IBM使用芯片堆栈的射出成型焊层之间的连接。目前放置在一个50微米,他们需要达到10微米倒装芯片程度来支持高i / O神经形态的应用程序。电气相声、电迁移、和机械应力都必须占焊料成分和绝缘电介质。
真正的神经形态架构不会简单地计算在现有网络连接权重,但是,像生物的大脑,能够形成新的连接。Imec的Jan Genoe车间由欧盟NeuRAM3计划,估计在可重构网络超过一百“神经元”可重构电路互连组件可以主导的区域,晶体管计数和功耗。整体设备的足迹将通过维度而不是晶体管尺寸的限制。这里,3 d集成的必要性是显而易见的。
可能的集成方案,提出了传统电路的叠加在矽通过是最成熟的,但支持互连密度相对较低,由于大间距的tsv。Leti的单片3 d-ic概念是有趣的,特别是当NMOS和PMOS晶体管可以使用不同的通道材料不相容的处理要求,但只有设想两层堆叠晶体管。作为替代,Genoe提出薄膜晶体管添加到现有的互连栈,与维对应于每一层的沥青。达到足够的性能与硅日前需要更高的温度比传统互连栈可以容忍,但n型金属氧化物半导体提供足够的性能和合理的热的有前途的组合预算。不幸的是,p型金属氧化物半导体的性能仍然是穷人。
神经形态计算是处于起步阶段。很难说基本设计组件会是什么,更不想组装的最佳方式。已经清楚,高速度、高密度互联数据数组正在酝酿至关重要。三维集成将是至关重要的组件的设计最终出现。
有关的故事
大脑神经形态计算:建模
竞争模型争相显示大脑是如何工作的,但没有一个是完美的。
接下来的晶体管
新的场效应晶体管,量子位,神经形态方法和先进的包装。
神经网络计算爆炸
资金雄厚的公司开始定制这种方法为特定_花大量的钱收购初创公司。
在神经形态计算(2016年1月)
一般视觉首席执行官谈到为什么有兴趣重燃这样的技术和在未来将如何使用它。
神经形态芯片Biz升温(2016年1月)
旧概念得到新的关注随着设备扩展变得更加困难。
|
|
|
|
|
|
|
|
|
|
凯瑟琳。伟大的文章。