論文の概要: Analog Neural Computing with Super-resolution Memristor Crossbars

• arxiv url: http://arxiv.org/abs/2105.04614v1
• Date: Mon, 10 May 2021 18:52:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-13 08:11:55.809013
• Title: Analog Neural Computing with Super-resolution Memristor Crossbars
• Title（参考訳）: 超解像memristorクロスバーを用いたアナログニューラルコンピューティング
• Authors: A. P. James, L. O. Chua
• Abstract要約: Memristorクロスバーアレイは、幅広いインメモリおよびニューロモルフィックコンピューティングアプリケーションで使用されている。 本稿では,複数のmemristorを持つノードを持つ超高解像度memristorクロスバーを構築することにより,解像度を向上させる手法を提案する。 伝導値の範囲と数が大きくなればなるほど、クロスバーの解像度は高くなる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Memristor crossbar arrays are used in a wide range of in-memory and neuromorphic computing applications. However, memristor devices suffer from non-idealities that result in the variability of conductive states, making programming them to a desired analog conductance value extremely difficult as the device ages. In theory, memristors can be a nonlinear programmable analog resistor with memory properties that can take infinite resistive states. In practice, such memristors are hard to make, and in a crossbar, it is confined to a limited set of stable conductance values. The number of conductance levels available for a node in the crossbar is defined as the crossbar's resolution. This paper presents a technique to improve the resolution by building a super-resolution memristor crossbar with nodes having multiple memristors to generate r-simplicial sequence of unique conductance values. The wider the range and number of conductance values, the higher the crossbar's resolution. This is particularly useful in building analog neural network (ANN) layers, which are proven to be one of the go-to approaches for forming a neural network layer in implementing neuromorphic computations.
• Abstract（参考訳）: Memristorクロスバーアレイは、幅広いインメモリおよびニューロモルフィックコンピューティングアプリケーションで使用されている。 しかし、メムリスタデバイスは、導電状態の変動をもたらす非イデアル性に悩まされ、デバイス年齢とともに望ましいアナログコンダクタンス値にプログラミングすることが極めて困難になる。 理論上、メムリスタは無限抵抗状態を取ることができるメモリ特性を持つ非線形プログラマブルアナログ抵抗である。 実際にはそのような中間子を作るのは困難であり、クロスバーでは安定伝導値の限られたセットに制限される。 クロスバーのノードで利用可能なコンダクタンスレベル数は、クロスバーの分解能として定義される。 本稿では,複数のメムリスタを持つノードを持つ超高分解能メムリスタクロスバーを構築し,一意なコンダクタンス値の r-simplicial シーケンスを生成する手法を提案する。 伝導値の範囲と数が大きくなればなるほど、クロスバーの解像度は高くなる。 これは特にアナログニューラルネットワーク(ANN)層の構築に有用であり、ニューロモルフィック計算を実装する際にニューラルネットワーク層を形成するためのゴートアプローチの1つであることが証明されている。

関連論文リスト

• Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
  近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。 本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
  論文  参考訳（メタデータ） (2024-04-29T15:04:07Z)
• Resistive Memory-based Neural Differential Equation Solver for Score-based Diffusion Model [55.116403765330084]
  スコアベースの拡散のような現在のAIGC法は、迅速性と効率性の点で依然として不足している。 スコアベース拡散のための時間連続型およびアナログ型インメモリ型ニューラル微分方程式解法を提案する。 我々は180nmの抵抗型メモリインメモリ・コンピューティング・マクロを用いて,我々の解を実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-08T16:34:35Z)
• Locality-Aware Generalizable Implicit Neural Representation [54.93702310461174]
  一般化可能な暗黙的ニューラル表現(INR)は、単一の連続関数が複数のデータインスタンスを表現することを可能にする。 本稿では、変換器エンコーダと局所性を考慮したINRデコーダを組み合わせた一般化可能なINRのための新しいフレームワークを提案する。 我々のフレームワークは、従来の一般化可能なINRよりも大幅に優れており、下流タスクにおける局所性を考慮した潜在能力の有効性を検証している。
  論文  参考訳（メタデータ） (2023-10-09T11:26:58Z)
• Scaling Limits of Memristor-Based Routers for Asynchronous Neuromorphic Systems [2.5264231114078353]
  マルチコアニューロモルフィックシステムは、通常、コア間のスパイク伝達にオンチップルータを使用する。 有望な代替手段は、メムリシティブなクロスバーアレイの機能を利用して、スパイクをルーティングするプログラム可能なスイッチ行列として使用することである。 本稿では,非同期スパイキングニューラルネットワーク(SNN)ハードウェアでスパイクを送信するためのルーティングチャネルとして使用する場合,メムリシティブなクロスバーアレイの課題について検討する。
  論文  参考訳（メタデータ） (2023-07-16T17:50:24Z)
• Capturing the Diffusive Behavior of the Multiscale Linear Transport Equations by Asymptotic-Preserving Convolutional DeepONets [31.88833218777623]
  Asymptotic-Preserving Convolutional Deep Operator Networks (APCONs) について紹介する。 本研究では,グローバルな熱カーネルの代わりに複数のローカルな畳み込み演算を用いた畳み込みディープオペレータネットワークを提案する。 我々のAPCON法は, グリッドサイズに依存しないパラメータ数を持ち, 線形輸送問題の拡散挙動を捉えることができる。
  論文  参考訳（メタデータ） (2023-06-28T03:16:45Z)
• Sequence Modeling with Multiresolution Convolutional Memory [27.218134279968062]
  我々は、MultiresLayerと呼ばれるシーケンスモデリングのための新しいビルディングブロックを構築します。 我々のモデルの主要な構成要素はマルチレゾリューション・コンボリューションであり、入力シーケンスにおけるマルチスケールトレンドをキャプチャする。 本モデルでは,多数のシーケンス分類と自己回帰密度推定タスクについて,最先端の性能を示す。
  論文  参考訳（メタデータ） (2023-05-02T17:50:54Z)
• Reliability-Aware Deployment of DNNs on In-Memory Analog Computing Architectures [0.0]
  In-Memory Analog Computing (IMAC) 回路は、アナログ領域におけるMVMとNLVの両方の操作を実現することにより、信号変換器の必要性を取り除く。 我々は、ディープニューラルネットワーク(DNN)に大規模な行列を複数の小さなIMACサブアレイに展開する実践的なアプローチを導入し、ノイズや寄生虫の影響を軽減する。
  論文  参考訳（メタデータ） (2022-10-02T01:43:35Z)
• Error Correction Code Transformer [92.10654749898927]
  本稿では,トランスフォーマーアーキテクチャを任意のブロック長で線形符号のソフトデコードに拡張することを提案する。 我々は,各チャネルの出力次元を高次元に符号化し,個別に処理すべきビット情報のより良い表現を行う。 提案手法は、トランスフォーマーの極端なパワーと柔軟性を示し、既存の最先端のニューラルデコーダを、その時間的複雑さのごく一部で大きなマージンで上回る。
  論文  参考訳（メタデータ） (2022-03-27T15:25:58Z)
• Endurance-Aware Mapping of Spiking Neural Networks to Neuromorphic Hardware [4.234079120512533]
  ニューロモルフィックコンピューティングシステムは、ハードウェアのクロスバーアレイとして高密度で低消費電力のシナプスストレージを実装するために、メムリスタを取り入れている。 縦断クロスバーの長いビット線とワードラインは寄生電圧降下の主な原因であり、電流非対称性を生み出す。 機械学習ワークロードのマッピングにおいて,各クロスバーに持続時間変動を組み込むことで,寿命を改善する手法であるeSpineを提案する。
  論文  参考訳（メタデータ） (2021-03-09T20:43:28Z)
• Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
  本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。 数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。 我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
  論文  参考訳（メタデータ） (2020-06-02T23:38:35Z)
• DHP: Differentiable Meta Pruning via HyperNetworks [158.69345612783198]
  本稿では,ネットワークの自動プルーニングのためのハイパーネットによる識別可能なプルーニング手法を提案する。 遅延ベクトルは、バックボーンネットワーク内の畳み込み層の出力チャネルを制御し、レイヤのプルーニングのハンドルとして機能する。 画像分類、単一画像超解像、復調のための様々なネットワークで実験が行われた。
  論文  参考訳（メタデータ） (2020-03-30T17:59:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。