Fugu-MT 論文翻訳(概要): IMAC-Sim: A Circuit-level Simulator For In-Memory Analog Computing Architectures

論文の概要: IMAC-Sim: A Circuit-level Simulator For In-Memory Analog Computing Architectures

arxiv url: http://arxiv.org/abs/2304.09252v1
Date: Tue, 18 Apr 2023 19:22:34 GMT
ステータス: 処理完了
システム内更新日: 2023-04-20 16:25:49.449106
Title: IMAC-Sim: A Circuit-level Simulator For In-Memory Analog Computing Architectures
Title（参考訳）: IMAC-Sim:インメモリアナログコンピューティングアーキテクチャのための回路レベルシミュレータ
Authors: Md Hasibul Amin, Mohammed E. Elbtity and Ramtin Zand
Abstract要約: IMAC-SimはIMACアーキテクチャの設計空間探索のための回路レベルシミュレータである。 IMAC-SimはPythonベースのシミュレーションフレームワークで、IMAC回路のSPICEネットリストを作成する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the increased attention to memristive-based in-memory analog computing (IMAC) architectures as an alternative for energy-hungry computer systems for machine learning applications, a tool that enables exploring their device- and circuit-level design space can significantly boost the research and development in this area. Thus, in this paper, we develop IMAC-Sim, a circuit-level simulator for the design space exploration of IMAC architectures. IMAC-Sim is a Python-based simulation framework, which creates the SPICE netlist of the IMAC circuit based on various device- and circuit-level hyperparameters selected by the user, and automatically evaluates the accuracy, power consumption, and latency of the developed circuit using a user-specified dataset. Moreover, IMAC-Sim simulates the interconnect parasitic resistance and capacitance in the IMAC architectures and is also equipped with horizontal and vertical partitioning techniques to surmount these reliability challenges. IMAC-Sim is a flexible tool that supports a broad range of device- and circuit-level hyperparameters. In this paper, we perform controlled experiments to exhibit some of the important capabilities of the IMAC-Sim, while the entirety of its features is available for researchers via an open-source tool.
Abstract（参考訳）: 機械学習アプリケーションのためのエネルギーを消費するコンピュータシステムの代替として、メモリベースのインメモリアナログコンピューティング(IMAC)アーキテクチャへの注目が高まり、デバイスや回路レベルの設計空間を探索できるツールがこの分野の研究と開発を著しく促進する。そこで本稿では,imacアーキテクチャの設計空間探索のための回路レベルシミュレータimac-simを開発した。 IMAC-SimはPythonベースのシミュレーションフレームワークで、ユーザが選択した様々なデバイスレベルのハイパーパラメータと回路レベルのハイパーパラメータに基づいてIMAC回路のSPICEネットリストを作成し、ユーザが指定したデータセットを使用して、開発した回路の精度、消費電力、遅延を自動的に評価する。さらに、IMAC-SimはIMACアーキテクチャにおける相互接続寄生抵抗と容量をシミュレートし、これらの信頼性課題を克服するための水平および垂直分割技術も備えている。 IMAC-Simは、幅広いデバイスと回路レベルのハイパーパラメータをサポートする柔軟なツールである。本稿では,imac-sim の重要な機能を示すための制御実験を行い,その機能全体をオープンソースツールで研究者に提供している。

関連論文リスト

Self-Evolving Multi-Agent Collaboration Networks for Software Development [32.78667834175446]
本稿では,MACネットワークのための新たな自己進化パラダイムであるEvoMACを紹介する。従来のニューラルネットワークトレーニングにインスパイアされたEvoMACは、テキストベースの環境フィードバックを取得する。本稿では,要件指向ソフトウェア開発ベンチマークrSDE-Benchを提案する。
論文参考訳（メタデータ） (2024-10-22T12:20:23Z)
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)
Full-stack evaluation of Machine Learning inference workloads for RISC-V systems [0.2621434923709917]
本研究は,オープンソースのアーキテクチャシミュレータであるgem5を用いて,RISC-Vアーキテクチャ上での機械学習ワークロードの性能を評価する。 MLIR(Multi-Level Intermediate Representation)に基づいたオープンソースのコンパイルツールチェーンを活用することで、ディープラーニング推論ワークロードに特化したベンチマーク結果が提示される。
論文参考訳（メタデータ） (2024-05-24T09:24:46Z)
In Situ Framework for Coupling Simulation and Machine Learning with Application to CFD [51.04126395480625]
近年、流体力学計算を容易にする機械学習(ML)の多くの成功例が報告されている。シミュレーションが大きくなるにつれて、従来のオフライン学習のための新しいトレーニングデータセットの生成は、I/Oとストレージのボトルネックを生み出します。この作業は、この結合を単純化し、異種クラスタでのその場トレーニングと推論を可能にするソリューションを提供する。
論文参考訳（メタデータ） (2023-06-22T14:07:54Z)
Heterogeneous Integration of In-Memory Analog Computing Architectures with Tensor Processing Units [0.0]
本稿では,IMACユニットとエッジTPUを統合してモバイルCNNの性能を向上させる,新しい,異種,混合信号,混合精度アーキテクチャを提案する。本稿では,TPU-IMACアーキテクチャ上にモデルをデプロイする際の潜在的な精度低下を軽減するために,混合精度トレーニング手法を取り入れた統合学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-18T19:44:56Z)
Extending Compositional Attention Networks for Social Reasoning in Videos [84.12658971655253]
ビデオにおけるソーシャルインタラクションを推論するタスクのための,新しいディープアーキテクチャを提案する。構成注意ネットワーク(MAC)の多段階推論機能を活用し,マルチモーダル拡張(MAC-X)を提案する。
論文参考訳（メタデータ） (2022-10-03T19:03:01Z)
Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
論文参考訳（メタデータ） (2022-05-08T06:21:33Z)
Simulation platform for pattern recognition based on reservoir computing with memristor networks [1.5664378826358722]
我々は,メムリスタデバイスネットワークを用いた貯水池コンピューティング(RC)シミュレーションプラットフォームを開発した。メムリスタネットワークをベースとしたRCシステムは,3つの時系列分類タスクにおける最先端手法に匹敵する高い計算性能が得られることを示す。
論文参考訳（メタデータ） (2021-12-01T03:06:13Z)
An In-Memory Analog Computing Co-Processor for Energy-Efficient CNN Inference on Mobile Devices [4.117012092777604]
非揮発性メモリアレイ内のシナプス挙動とアクティベーション機能の両方を実現するインメモリアナログコンピューティング(IMAC)アーキテクチャを開発した。スピン軌道トルク磁気抵抗ランダムアクセスメモリ(SOT-MRAM)装置を利用してシグモダルニューロンと双対シナプスを実現する。モバイルプロセッサ上での畳み込みニューラルネットワーク(CNN)推論において、異種混合信号と混合精度のCPU-IMACアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-05-24T23:01:36Z)
Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文参考訳（メタデータ） (2020-12-25T07:08:50Z)
One-step regression and classification with crosspoint resistive memory arrays [62.997667081978825]
高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
論文参考訳（メタデータ） (2020-05-05T08:00:07Z)

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。