中文 英语

高效神经形态AI芯片:“NeuroRRAM”


斯坦福大学、加州大学圣地亚哥分校、匹兹堡大学、圣母大学和清华大学的国际研究团队发表了一篇名为“基于电阻性随机存取存储器的内存计算芯片”的新技术论文。该论文的摘要指出:“通过在从算法和架构到电路和设备的所有设计层次上进行协同优化,我们展示了……»阅读更多

3新兴技术:忆阻器,自旋电子学和2D材料


伦敦大学学院和剑桥大学的研究人员发表了题为“记忆、自旋电子和基于2d材料的设备以改进和补充计算硬件”的新技术论文。“在数据驱动的经济中,几乎所有行业都受益于信息技术的进步,强大的计算系统对快速技术更新至关重要。»阅读更多

MEMprop:基于梯度的学习来训练全记忆snn


来自IEEE研究人员的题为“基于梯度的动态RRAM阵列神经形态学习”的新技术论文。“我们提出了MEMprop,采用基于梯度的学习来训练完全记忆性spike神经网络(MSNNs)。我们的方法利用内在的设备动态来触发自然产生的电压峰值。这些记忆动力学释放的尖峰是肛门…»阅读更多

通过将pMUTs耦合到基于神经形态rram的计算映射的对象定位的端到端系统


新的研究论文题为“使用电阻记忆和超声波换能器的神经形态物体定位”,来自CEA、LETI、Université格勒诺布尔阿尔卑斯等的研究人员。“真实世界的感官处理应用需要紧凑、低延迟和低功耗的计算系统。通过其内存事件驱动计算能力,混合记忆-互补…»阅读更多

利用动态路线图技术研究忆阻器


新的技术论文题为“使用内存映射和动态路线图的ReRAM设备的经验表征”,来自巴利阿里群岛大学,加州大学伯克利分校,巴利阿里群岛卫生研究所,国际希腊大学,Technische Universität德累斯顿,巴利亚多利德大学和塞萨洛尼基亚里士多德大学。摘要:“忆阻器在早期1…»阅读更多

模拟边缘推理与ReRAM


“随着大数据应用和深度学习的需求不断上升,业界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。在此,应用材料…»阅读更多

使用ReRAM puf隐藏安全密钥


电阻式RAM和物理不可克隆函数(puf)由于完全不同的原因而受到关注,但当它们结合在一起时,就创造了一种极其安全和廉价的存储身份验证密钥的方式。随着安全问题从单纯的软件转向硬件和软件的结合,芯片制造商和系统公司一直在争先恐后地研究如何防止……»阅读更多

使用克里格插值的数据驱动RRAM设备模型


乔治华盛顿大学和NIST在DARPA和其他机构的支持下发表的新技术论文。摘要提出了一种两层Kriging插值方法来模拟电阻式开关的跳表。最初是为采矿和地质统计学开发的,其计算的局部性使这种方法对于具有复杂行为的电子设备建模特别强大。»阅读更多

使用预成型ReRAM设计的三元puf进行内容保护的密钥恢复


研究论文摘要:“嵌入在终端设备中的物理不可克隆功能,可以用作保护数字文件的会话密钥恢复过程的一部分。只有当物理元素提供足够的抗篡改性时,这种方法才有价值。否则,纠错码应该能够处理老化引起的任何变化,以及环境诱导…»阅读更多

氧化物基记忆器件中电子传导的综合模型


记忆器件是一种两端器件,可以在施加适当的电压刺激后改变其电阻状态。该电阻可以在一个广泛的电阻范围内进行调整,使应用程序,如多比特数据存储或模拟计算在内存概念。其中最有前途的一类记忆器件是基于氧化物的价变机制。»阅读更多

←老帖子
Baidu