Feroelektrični tunelski spoji v prečnih nizih analognih računalniških pospeševalnikov v pomnilniku

Tehnični dokument z naslovom "Ferroelectric Tunnel Junction Memristors for In-Memory Computing Accelerators" so objavili raziskovalci na Univerzi v Lundu.

Povzetek:

»Nevromorfno računalništvo je opazilo veliko zanimanje, saj so preskoki v aplikacijah umetne inteligence (AI) razkrili omejitve zaradi velikega dostopa do pomnilnika z von Neumannovo računalniško arhitekturo. Vzporedno računalništvo v pomnilniku, ki ga zagotavlja nevromorfno računalništvo, lahko bistveno izboljša zakasnitev in porabo energije. Ključni pri analogni nevromorfni računalniški strojni opremi so memristorji, ki zagotavljajo nehlapne nivoje prevodnosti v več stanjih, visoko hitrost preklapljanja in energetsko učinkovitost. Memristorji s feroelektričnim tunelskim spojem (FTJ) so glavni kandidati za ta namen, vendar je treba natančno preiskati vpliv posebnih značilnosti na njihovo delovanje pri integraciji v nize velikih prečk, ki je osrednji računalniški element za sklepanje in usposabljanje v globokih nevronskih mrežah. V tem delu je W/Hf _x Zr_1−x O₂/TiN FTJ s 60 programabilnimi stanji prevodnosti, dinamičnim razponom (DR) do 10, gostoto toka >3 A m^-2 at V _preberite = 0.3 V in zelo nelinearna tokovna napetost (I–V) lastnosti (>1100) je eksperimentalno dokazano. Z uporabo makromodela vezja je ovrednotena zmogljivost pravega prečnega niza na sistemski ravni in dosežena je 92-odstotna klasifikacijska natančnost nabora podatkov modificiranega nacionalnega inštituta za znanost in tehnologijo (MNIST). Končno, nizka prevodnost v kombinaciji z visoko nelinearnostjo I–V značilnosti omogočajo realizacijo velikih prečnih nizov brez izbirnikov za nevromorfne strojne pospeševalnike.«

Najdi tehnični papir tukaj. Objavljeno decembra 2023.

Athle, R. in Borg, M. (2023), Feroelektrični tunelski spojni memristorji za računalniške pospeševalnike v pomnilniku. Adv. Intell. Syst. 2300554. https://doi.org/10.1002/aisy.202300554

Sorodno branje
Povečanje energetske učinkovitosti AI z računalništvom v pomnilniku
Kako obdelati delovne obremenitve zettascale in ostati v okviru fiksnega proračuna energije.
Modeliranje računalništva v pomnilniku z biološko učinkovitostjo
Generativni AI sili izdelovalce čipov, da računalniške vire uporabljajo bolj inteligentno.

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://semiengineering.com/ferroelectric-tunnel-junctions-in-crossbar-array-analog-in-memory-compute-accelerators/