Fugu-MT 論文翻訳(概要): Design Technology Co-Optimization for Neuromorphic Computing

論文の概要: Design Technology Co-Optimization for Neuromorphic Computing

arxiv url: http://arxiv.org/abs/2110.08131v1
Date: Fri, 15 Oct 2021 14:58:16 GMT
ステータス: 処理完了
システム内更新日: 2023-03-11 10:01:24.741453
Title: Design Technology Co-Optimization for Neuromorphic Computing
Title（参考訳）: ニューロモルフィックコンピューティングのための設計技術共最適化
Authors: Ankita Paul, Shihao Song, Anup Das
Abstract要約: 設計スケーリングがNVMの読み取り耐久性に負の影響を示す。このような設計と技術特性を設計フローに組み込むことで,推測寿命を大幅に改善できることを示す。
参考スコア（独自算出の注目度）: 0.2578242050187029
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a design-technology tradeoff analysis in implementing machine-learning inference on the processing cores of a Non-Volatile Memory (NVM)-based many-core neuromorphic hardware. Through detailed circuit-level simulations for scaled process technology nodes, we show the negative impact of design scaling on read endurance of NVMs, which directly impacts their inference lifetime. At a finer granularity, the inference lifetime of a core depends on 1) the resistance state of synaptic weights programmed on the core (design) and 2) the voltage variation inside the core that is introduced by the parasitic components on current paths (technology). We show that such design and technology characteristics can be incorporated in a design flow to significantly improve the inference lifetime.
Abstract（参考訳）: 非揮発性メモリ(NVM)ベースの多コアニューロモルフィックハードウェアの処理コアに対する機械学習推論の実装における設計技術トレードオフ分析を提案する。スケールしたプロセス技術ノードの回路レベルの詳細なシミュレーションを通じて、設計スケーリングが nvm の読み取り耐久性に負の影響を示す。より細かい粒度では、コアの推論寿命は依存する 1) コア(設計)にプログラムされたシナプス重量の抵抗状態及び 2) 現在の経路(技術)の寄生虫成分によって導入されたコア内の電圧変化。このような設計と技術特性を設計フローに組み込むことで,推測寿命を大幅に改善できることを示す。

関連論文リスト

A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures [73.65190161312555]
ARCANAは、混合信号ニューロモルフィック回路の特性を考慮に入れたスパイクニューラルネットワークシミュレータである。その結果,ソフトウェアでトレーニングしたスパイクニューラルネットワークの挙動を,信頼性の高い推定結果として提示した。
論文参考訳（メタデータ） (2024-09-23T11:16:46Z)
Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文参考訳（メタデータ） (2024-09-17T04:48:45Z)
Voltage-Controlled Magnetoelectric Devices for Neuromorphic Diffusion Process [16.157882920146324]
我々は、ニューロモルフィック拡散プロセスのためのスピントロニック電圧制御磁気メモリハードウェアを開発した。磁気メモリの非揮発性により,高速かつ低コストな計算が可能となる。
論文参考訳（メタデータ） (2024-07-17T02:14:22Z)
Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文参考訳（メタデータ） (2023-12-14T09:46:16Z)
Free-Space Optical Spiking Neural Network [0.0]
自由空間光深絞り畳み込みニューラルネットワーク(OSCNN)について紹介する。この手法は人間の眼の計算モデルからインスピレーションを得ている。以上の結果から,電子的ONNと比較して,レイテンシと消費電力を最小に抑えた有望な性能を示す。
論文参考訳（メタデータ） (2023-11-08T09:41:14Z)
Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文参考訳（メタデータ） (2022-11-29T17:28:31Z)
Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural Networks on Edge NPUs [74.83613252825754]
スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
論文参考訳（メタデータ） (2022-09-27T15:04:01Z)
Design-Technology Co-Optimization for NVM-based Neuromorphic Processing Elements [4.857820106099256]
ニューロモルフィックハードウェアプラットフォームは、機械学習推論タスクのエネルギーオーバーヘッドを著しく低減することができる。非揮発性メモリ(NVM)ベースのニューロモルフィックハードウェアの処理要素(PE)にそのような推論タスクを実装するための設計技術トレードオフ分析を提案する。組み込みMLシステムの品質に影響を及ぼす情報処理遅延に対して,技術スケーリングが負の影響を示す。
論文参考訳（メタデータ） (2022-03-10T11:54:06Z)
Bottom-up and top-down approaches for the design of neuromorphic processing systems: Tradeoffs and synergies between natural and artificial intelligence [3.874729481138221]
ムーアの法則は指数計算能力の期待を加速させており、システム全体の性能を改善するための新たな方法を求める最終段階に近づいている。これらの方法の1つは、生物学的ニューラルネットワークシステムの柔軟性と計算効率を達成することを目的とした、脳にインスパイアされた代替コンピューティングアーキテクチャの探索である。我々は、このパラダイムシフトが実現される際の粒度の異なるレベルについて、その分野の包括的概要を提供する。
論文参考訳（メタデータ） (2021-06-02T16:51:45Z)
Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文参考訳（メタデータ） (2021-05-06T02:22:23Z)
Optimization of Quantum-dot Qubit Fabrication via Machine Learning [0.0]
我々は、インライン走査型電子顕微鏡を解釈するために畳み込みニューラルネットワークを訓練する。この戦略は、5次元の設計空間内でモデルリソグラフィープロセスの最適化によって実証される。
論文参考訳（メタデータ） (2020-12-15T22:30:49Z)

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。