新的研究论文为卷积神经网络“内存计算架构基于自旋轨道转矩MRAM”,国立台湾大学,大学,钟元基督教大学。
文摘
“最近,大量研究调查计算内存(CIM)体系结构神经网络克服内存瓶颈。因为它的低延迟、高能源效率,和较低的波动性,在手性转矩磁随机存取存储器(SOT-MRAM)已经收到了大量的关注。然而,先前的研究计算电路用于支持复杂的计算,导致大量的能源消耗。因此,我们的研究提出了一种新的CIM架构与小外围电路;该体系结构实现更高的性能相对于其他CIM架构在处理卷积神经网络(cnn)。我们包括分布式算术(DA)算法来提高CIM的效率计算方法通过减少过度CIM-based CNN的读/写时间和执行步骤计算电路。此外,我们的方法也使用SOT-MRAM提高计算速度,降低功耗。而CIM-based CNN算术电路在先前的研究中,我们的方法可以实现短的时钟周期,减少阅读时间高达43.3%而不需要附加电路。”
找到开放获取这里的技术论文。2022年4月出版。
黄、J.-Y;Syu J.-L。;祖文萃,Y.-T。;郭、S.-Y;Chang C.-R。内存中计算架构基于自旋轨道转矩MRAM卷积神经网络。1245年电子2022年11日。https://doi.org/10.3390/electronics11081245
访问半导体工程的这里的技术论文库和发现更多的芯片行业学术论文。
留下一个回复