크로스바 어레이 아날로그 인메모리 컴퓨팅 가속기의 강유전체 터널 접합

룬드대학교 연구진은 "인메모리 컴퓨팅 가속기를 위한 강유전성 터널 접합 멤리스터"라는 제목의 기술 논문을 발표했습니다.

요약 :

“뉴로모픽 컴퓨팅은 폰 노이만 컴퓨팅 아키텍처를 통해 인공 지능(AI) 애플리케이션의 도약으로 인해 과도한 메모리 액세스로 인해 한계가 노출되면서 큰 관심을 받았습니다. 뉴로모픽 컴퓨팅이 제공하는 병렬 인메모리 컴퓨팅은 대기 시간과 전력 소비를 크게 향상시킬 수 있는 잠재력을 가지고 있습니다. 아날로그 뉴로모픽 컴퓨팅 하드웨어의 핵심은 비휘발성 다중 상태 컨덕턴스 수준, 높은 스위칭 속도 및 에너지 효율성을 제공하는 멤리스터입니다. 강유전성 터널 접합(FTJ) 멤리스터는 이러한 목적을 위한 주요 후보이지만 심층 신경망의 추론 및 훈련을 위한 핵심 컴퓨팅 요소인 대형 크로스바 어레이에 통합할 때 성능에 대한 특정 특성의 영향을 면밀히 조사해야 합니다. 이 연구에서는 W/Hf _x Zr_1−x O₂60개의 프로그래밍 가능한 컨덕턴스 상태, 최대 10의 동적 범위(DR), 전류 밀도 >3 A m을 갖춘 /TiN FTJ^{- 2} at V _읽기 = 0.3 V 및 매우 비선형적인 전류-전압(I~V) 특성(>1100)이 실험적으로 입증되었습니다. 회로 매크로 모델을 사용하여 실제 크로스바 어레이의 시스템 수준 성능을 평가하고 MNIST(Modified National Institute of Science and Technology) 데이터 세트의 92% 분류 정확도를 달성했습니다. 마지막으로, 높은 비선형성과 결합된 낮은 컨덕턴스 I~V 이러한 특성을 통해 뉴로모픽 하드웨어 가속기를 위한 선택기가 없는 대형 크로스바 어레이를 실현할 수 있습니다.”

찾기 여기에 기술 문서가 있습니다. 2023년 XNUMX월 출판.

Athle, R. 및 Borg, M. (2023), 인메모리 컴퓨팅 가속기를 위한 강유전성 터널 접합 멤리스터. 고급 인텔. 시스템. 2300554. https://doi.org/10.1002/aisy.202300554

관련 독서
메모리 내 컴퓨팅을 통해 AI 에너지 효율성 향상
제타스케일 워크로드를 처리하고 고정 전력 예산 내에서 유지하는 방법
생물학적 효율성을 갖춘 메모리 내 컴퓨팅 모델링
Generative AI는 칩 제조업체가 컴퓨팅 리소스를 보다 지능적으로 사용하도록 합니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://semiengineering.com/ferroelectric-tunnel-junctions-in-crossbar-array-analog-in-memory-compute-accelerators/