ক্রসবার অ্যারে এনালগ ইন-মেমরি কম্পিউট এক্সিলারেটরে ফেরোইলেকট্রিক টানেল জংশন

ক্রসবার অ্যারে এনালগ ইন-মেমরি কম্পিউট এক্সিলারেটরে ফেরোইলেকট্রিক টানেল জংশন

উত্স নোড: 3057211

লুন্ড ইউনিভার্সিটির গবেষকরা "ফেরোইলেকট্রিক টানেল জংশন মেমরিস্টরস ফর ইন-মেমরি কম্পিউটিং অ্যাক্সিলারেটর" শিরোনামের একটি প্রযুক্তিগত গবেষণাপত্র প্রকাশ করেছেন।

সারাংশ:

"নিউরোমর্ফিক কম্পিউটিং প্রচুর আগ্রহ দেখেছে কারণ কৃত্রিম বুদ্ধিমত্তা (এআই) অ্যাপ্লিকেশনে লাফিয়ে ভন নিউম্যান কম্পিউটিং আর্কিটেকচারের সাথে ভারী মেমরি অ্যাক্সেসের কারণে সীমাবদ্ধতা উন্মোচিত হয়েছে৷ নিউরোমরফিক কম্পিউটিং দ্বারা প্রদত্ত সমান্তরাল ইন-মেমরি কম্পিউটিং উল্লেখযোগ্যভাবে লেটেন্সি এবং পাওয়ার খরচ উন্নত করার সম্ভাবনা রয়েছে। এনালগ নিউরোমর্ফিক কম্পিউটিং হার্ডওয়্যারের মূল চাবিকাঠি হল মেমরিস্টর, যা অ-উদ্বায়ী মাল্টিস্টেট কন্ডাক্টেন্স লেভেল, উচ্চ সুইচিং গতি এবং শক্তি দক্ষতা প্রদান করে। ফেরোইলেক্ট্রিক টানেল জংশন (এফটিজে) মেমরিস্টররা এই উদ্দেশ্যে প্রধান প্রার্থী, কিন্তু বৃহৎ ক্রসবার অ্যারেতে একীভূত হওয়ার পরে তাদের কর্মক্ষমতার জন্য বিশেষ বৈশিষ্ট্যের প্রভাব, গভীর নিউরাল নেটওয়ার্কে অনুমান এবং প্রশিক্ষণ উভয়ের জন্য মূল গণনার উপাদান, ঘনিষ্ঠ তদন্তের প্রয়োজন। এই কাজে, একটি W/Hf x Zr1−x O260টি প্রোগ্রামেবল কন্ডাক্টেন্স স্টেট সহ টিআইএন এফটিজে, 10 পর্যন্ত একটি ডাইনামিক রেঞ্জ (ডিআর), বর্তমান ঘনত্ব >3 এ মি-2 at V পড়া = 0.3 V এবং অত্যন্ত ননলাইনার কারেন্ট-ভোল্টেজ (I-V) বৈশিষ্ট্য (>1100) পরীক্ষামূলকভাবে প্রদর্শিত হয়। একটি সার্কিট ম্যাক্রো-মডেল ব্যবহার করে, একটি সত্যিকারের ক্রসবার অ্যারের সিস্টেম স্তরের কর্মক্ষমতা মূল্যায়ন করা হয় এবং পরিবর্তিত নেশন ইনস্টিটিউট অফ সায়েন্স অ্যান্ড টেকনোলজি (MNIST) ডেটাসেটের 92% শ্রেণীবিভাগ নির্ভুলতা অর্জন করা হয়। অবশেষে, অত্যন্ত ননলিনিয়ারের সাথে সংমিশ্রণে কম পরিবাহিতা I-V বৈশিষ্ট্যগুলি নিউরোমর্ফিক হার্ডওয়্যার এক্সিলারেটরের জন্য বড় নির্বাচক-মুক্ত ক্রসবার অ্যারে উপলব্ধি করতে সক্ষম করে।"

খোঁজো এখানে প্রযুক্তিগত কাগজ। ডিসেম্বর 2023 প্রকাশিত হয়েছে।

অ্যাথলে, আর. এবং বোর্গ, এম. (2023), ইন-মেমরি কম্পিউটিং অ্যাক্সিলারেটরের জন্য ফেরোইলেকট্রিক টানেল জংশন মেমরিস্টরস। অ্যাড. বুদ্ধি। সিস্ট 2300554। https://doi.org/10.1002/aisy.202300554

সম্পর্কিত পঠন
মেমরিতে কম্পিউটের সাথে AI শক্তির দক্ষতা বৃদ্ধি করা
কীভাবে জেটাস্কেল ওয়ার্কলোডগুলি প্রক্রিয়া করা যায় এবং একটি নির্দিষ্ট পাওয়ার বাজেটের মধ্যে থাকে।
জৈবিক দক্ষতার সাথে মেমরিতে মডেলিং কম্পিউট
জেনারেটিভ এআই চিপমেকারদের কম্পিউট রিসোর্সগুলোকে আরও বুদ্ধিমত্তার সাথে ব্যবহার করতে বাধ্য করে।

সময় স্ট্যাম্প:

থেকে আরো সেমি ইঞ্জিনিয়ারিং