חיבורי מנהרות פרו-אלקטריים במערך צולב מוטות אנלוגי בזיכרון מאיצי מחשוב

חיבורי מנהרות פרו-אלקטריים במערך צולב מוטות אנלוגי בזיכרון מאיצי מחשוב

חותמת זמן: 11 בינואר 2024 1:00
צומת המקור: 3057211

מאמר טכני בשם "Memristors Ferroelectric Tunnel Junction for In-Memory Computing Accelerators" פורסם על ידי חוקרים מאוניברסיטת לונד.

תקציר:

"מחשוב נוירומורפי ראה עניין רב שכן קפיצות מדרגה ביישומי בינה מלאכותית (AI) חשפו מגבלות עקב גישה כבדה לזיכרון, עם ארכיטקטורת המחשוב פון נוימן. למחשוב בזיכרון המקביל המסופק על ידי מחשוב נוירומורפי יש פוטנציאל לשפר משמעותית את השהיה וצריכת החשמל. המפתח לחומרת מחשוב נוירומורפית אנלוגית הם ממריסטורים, המספקים רמות מוליכות רב-מצביות לא נדיפות, מהירות מיתוג גבוהה ויעילות אנרגטית. ממריסטורים של צומת מנהרה פרו-אלקטרית (FTJ) הם מועמדים עיקריים למטרה זו, אך ההשפעה של המאפיינים המסוימים על הביצועים שלהם על שילוב במערכים צולבים גדולים, אלמנט המחשוב הליבה להסקת מסקנות וגם לאימון ברשתות עצביות עמוקות, דורשת חקירה מדוקדקת. בעבודה זו, W/Hf x Zr1-x O2/TiN FTJ עם 60 מצבי מוליכות ניתנים לתכנות, טווח דינמי (DR) עד 10, צפיפות זרם מעל 3 אמ'-2 at V לקרוא = 0.3 וולט ומתח זרם לא ליניארי ביותר (I–V) מאפיינים (>1100) מודגמים בניסוי. באמצעות מודל מאקרו מעגל, מוערכים ביצועי רמת המערכת של מערך צולב אמיתי ומשיג דיוק סיווג של 92% של מערך הנתונים של המכון הלאומי למדע וטכנולוגיה (MNIST). לבסוף, המוליכות הנמוכה בשילוב עם הלא ליניארי מאוד I–V מאפיינים מאפשרים מימוש של מערכי צולבים גדולים ללא בורר עבור מאיצי חומרה נוירומורפיים".

מצא נייר טכני כאן. פורסם בדצמבר 2023.

Athle, R. and Borg, M. (2023), Memristors Ferroelectric Tunnel Junction for In-Memory Computing Accelerators. עו"ד אינטל. סיסט. 2300554. https://doi.org/10.1002/aisy.202300554

קריאה קשורה
הגדלת יעילות האנרגיה של AI עם מחשוב בזיכרון
כיצד לעבד עומסי עבודה של zettascale ולהישאר במסגרת תקציב חשמל קבוע.
מודלים מחשוב בזיכרון עם יעילות ביולוגית
AI גנרטיבי מאלץ את יצרני השבבים להשתמש במשאבי מחשוב בצורה חכמה יותר.

בול זמן:

עוד מ הנדסה למחצה