研究人员演示了“使用电阻性随机访问存储器(ReRAM)作为计算元素的模拟内存计算，针对AI应用定制设计的片上系统(SoC)。”
摘要
“随着大数据应用和深度学习的需求持续增长，该行业越来越多地寻求人工智能(AI)加速器。采用新兴非易失性器件的模拟内存计算(AiMC)能够提供良好的硬件解决方案，因为其在加速乘法和累积(MAC)操作方面的高能效。在这里，应用材料定制设计的系统芯片(SoC)针对AI应用，使用电阻性随机访问存储器(ReRAM)作为计算元件进行模拟内存计算。第一个硅实现了MAC操作的高能效。该芯片在ReRAM瓦片上使用LeNet-1神经网络实现，并通过改进的国家标准与技术研究所(MNIST)分类进行了验证，精度与模拟中预测的相符。我们还开发了一个仿真框架AI Sim，以评估大规模应用的系统性能，并指导位单元开发和设计选择。”
找到开放获取这里有技术文章，“用于模拟内存计算的具有可伸缩电阻随机访问内存瓦设计的完全集成的片上系统设计”。2022年5月出版。
蔡，F.， Yen, S.， Uppala, A.， Thomas, L.， Liu, T.， Fu, P.， Zhang, X.， Low, A.， Kamalanathan, D.， Hsu, J.和Ayyagari-Sangamalli, B.(2022)，用于模拟内存计算的具有可伸缩电阻随机访问内存Tile设计的完全集成的片上系统设计。放置智能。系统。2200014。https://doi.org/10.1002/aisy.202200014。
留下回复