摘要
数据密集型计算操作(如训练神经网络)对于人工智能应用至关重要，但也是能源密集型的。一种解决方案是开发专门的硬件，神经网络可以直接映射到这些硬件上，例如，记忆设备阵列可以被训练成并行的乘法累加操作。在这里，我们展示了利用电荷屏蔽原理的记忆电容器件可以提供一种高效节能的方法来实现并行的乘法-累积操作。我们制作了一个由156个微型电容器件组成的交叉阵列，并用它来训练一个可以区分字母“M”，“P”和“I”的神经网络。对这些阵列的建模表明，这种方法可以提供29,600兆兆运算每秒每瓦的能源效率，同时确保高精度(6-8位)。模拟还表明，该器件有可能被缩小到45纳米左右的横向尺寸。”
找到开放获取技术文件link在这里。
Demasius,骨。， Kirschen, A. & Parkin, S.用于神经形态计算的节能记忆电容器设备。电子学报4,748-756(2021)。https://doi.org/10.1038/s41928 - 021 - 00649 - y。
10/11/2021出版。
留下回复