可以人工智能推理Compute-In-Memory带来新的利益?


Compute-in-memory (CIM)不一定是一个人工智能(AI)解决方案;相反,它是一个内存管理的解决方案。CIM能给人工智能处理带来优势加快人工智能模型的核心执行乘法操作。然而,要想成功,一个人工智能处理系统需要显式地使用CIM架构。改变需要一个转变……»阅读更多

信息流动政策NVM技术


一个新的技术论文题为“自动化信息集成Computing-in-Memory流分析模块”被亚琛工业大学的研究人员发表。文摘:“小说非易失性存储器(NVM)技术提供高速、高密度数据存储。此外,他们克服了冯诺依曼瓶颈通过启用computing-in-memory (CIM)。各种计算机体系结构……»阅读更多

Gem5 LIM架构与定制RISC-V指令模拟环境


新技术论文题为“模拟环境与定制RISC-V说明Logic-in-Memory架构”被国立清华大学的研究人员发表,Politecnico di都灵大学罗马Tor Vergata,特文特大学。抽象”如今,机器学习算法等各种存在应用程序敲门“内存墙”。拖……»阅读更多

基于横杆的Compute-In-Memory合作设计视图


新评论篇题为“计算神经网络与非易失性内存元素:从合作设计的角度回顾”被阿贡国家实验室的研究人员发表,普渡大学,印度科技学院的马德拉斯。”一个总体合作设计的观点,本文基于评估使用横杆的CIM神经网络,连接材料适当的……»阅读更多

有效的神经形态人工智能芯片:“NeuroRRAM”


新技术论文题为“compute-in-memory芯片基于电阻随机存取存储器”发表了斯坦福大学的国际研究团队,加州大学圣地亚哥分校,匹兹堡大学、圣母大学和清华大学。论文的文摘州”co-optimizing所有层次算法和体系结构设计的电路和设备,我们现在…»阅读更多

仿真框架的可行性评估大规模款基于CIM架构&模拟NVM


技术论文题为“模拟的准确性和弹性Compute-in-Memory推理引擎”来自加州大学洛杉矶分校的研究人员。抽象”最近,模拟compute-in-memory (CIM)架构基于新兴的模拟非易失性内存(NVM)技术探讨了深层神经网络(款)来提高可伸缩性,速度,和能源效率。然而,这样的架构,利用…»阅读更多

为CNN SOT-MRAM-based CIM架构模型


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。抽象的“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energ……»阅读更多

非易失性内存计算电容横梁数组


抽象”传统电阻横梁数组内存计算患有静态电流/功率高,严重的IR降,并偷偷路径。相比之下,“电容”横梁阵列,利用瞬变电流和电荷转移引起了人们的注意,因为它只1)动态功率消耗,2)没有直流通路,避免严重的IR降(因此,selector-free),和3)f……»阅读更多

自适应突触数组使用Fowler-Nordheim动态模拟内存


抽象”在本文中,我们提出一种自适应突触阵列,可用于改善培训机器学习(ML)的节能系统。模拟的整体记忆的突触数组包含元素,其中每个微尺度的动力系统,将信息存储在它的时间状态轨迹。系统的状态轨迹然后调制……»阅读更多

映射变换使高性能和低能耗Memristor-Based款


文摘:“当深层神经网络(款)是广泛用于边缘AI(人工智能),例如,物联网(物联网)和自主车辆,它使CMOS(互补金属氧化物半导体)的传统计算机遭受过大的计算负荷。Memristor-based设备正在成为一个选项进行计算在内存中为款……»阅读更多

←旧的文章
Baidu