論文の概要: Scaling Limits of Memristor-Based Routers for Asynchronous Neuromorphic
Systems
- arxiv url: http://arxiv.org/abs/2307.08116v1
- Date: Sun, 16 Jul 2023 17:50:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 15:34:11.212692
- Title: Scaling Limits of Memristor-Based Routers for Asynchronous Neuromorphic
Systems
- Title(参考訳): 非同期ニューロモルフィックシステムのためのメムリスタベースルータのスケーリング限界
- Authors: Junren Chen, Siyao Yang, Huaqiang Wu, Giacomo Indiveri, Melika Payvand
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.9565225188382505
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-core neuromorphic systems typically use on-chip routers to transmit
spikes among cores. These routers require significant memory resources and
consume a large part of the overall system's energy budget. A promising
alternative approach to using standard CMOS and SRAM-based routers is to
exploit the features of memristive crossbar arrays and use them as programmable
switch-matrices that route spikes. However, the scaling of these crossbar
arrays presents physical challenges, such as `IR drop' on the metal lines due
to the parasitic resistance, and leakage current accumulation on multiple
active `off' memristors. While reliability challenges of this type have been
extensively studied in synchronous systems for compute-in-memory matrix-vector
multiplication (MVM) accelerators and storage class memory, little effort has
been devoted so far to characterizing the scaling limits of memristor-based
crossbar routers. In this paper, we study the challenges of memristive crossbar
arrays, when used as routing channels to transmit spikes in asynchronous
Spiking Neural Network (SNN) hardware. We validate our analytical findings with
experimental results obtained from a 4K-ReRAM chip which demonstrate its
functionality as a routing crossbar. We determine the functionality bounds on
the routing due to the IR drop and leak problem, based both on experimental
measurements, modeling and circuit simulations in a 22nm FDSOI technology. This
work highlights the constraint of this approach and provides useful guidelines
for engineering memristor properties in memristive crossbar routers for
building multi-core asynchronous neuromorphic systems.
- Abstract(参考訳): 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。
これらのルータは重要なメモリ資源を必要とし、システム全体のエネルギー予算の大部分を消費する。
標準のCMOSおよびSRAMベースのルータを使用するための有望なアプローチは、メムリシ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。
しかしながら、これらのクロスバーアレイのスケーリングは、寄生抵抗による金属線上の「IRドロップ」や、複数のアクティブな「オフ」中間子上のリーク電流蓄積などの物理的課題を示す。
このタイプの信頼性の課題は、メモリ内行列ベクトル乗算(MVM)アクセラレータとストレージクラスメモリの同期システムで広く研究されているが、メムリスタベースのクロスバールータのスケーリング限界を特徴づける努力はほとんど行われていない。
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,メムリシティブクロスバーアレイの課題について検討する。
本研究では,4K-ReRAMチップを用いて解析結果を検証し,ルーティングクロスバーとしての機能を示す。
本研究では,22nmFDSOI技術を用いた実験,モデリング,回路シミュレーションの両面から,IRドロップおよびリーク問題によるルーティング上の機能境界を決定する。
本研究は、このアプローチの制約を強調し、マルチコア非同期ニューロモルフィックシステムを構築するためのmemristive crossbarルータにおけるmemristorプロパティをエンジニアリングするための有用なガイドラインを提供する。
関連論文リスト
- Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
ニューロモルフィックコンピューティングでは、スパイクニューラルネットワーク(SNN)が推論タスクを実行し、シーケンシャルデータを含むワークロードの大幅な効率向上を提供する。
ハードウェアとソフトウェアの最近の進歩は、スパイクニューロン間で交換された各スパイクに数ビットのペイロードを埋め込むことにより、推論精度をさらに高めることを示した。
本稿では,マルチレベルSNNを用いた無線ニューロモルフィック分割計算アーキテクチャについて検討する。
論文 参考訳(メタデータ) (2024-11-07T14:08:35Z) - Quantum random access memory with transmon-controlled phonon routing [8.07618328909056]
量子ランダムアクセスメモリ(QRAM)は、複数のメモリ位置における同時データクエリを約束する。
トランスモン制御されたフォノンルータを導入し、木のようなアーキテクチャでこれらのルータを接続することでQRAMの実装を提案する。
論文 参考訳(メタデータ) (2024-11-01T16:30:21Z) - Multi-level, Forming Free, Bulk Switching Trilayer RRAM for Neuromorphic
Computing at the Edge [0.0]
我々は三層金属酸化物スタックをベースとした成形・バルク切替RRAM技術を開発した。
我々は三層バルクRRAMクロスバーに基づくニューロモルフィック・コンピューティング・イン・メモリプラットフォームを開発した。
我々の研究は、厳格なサイズ、重み、パワー制約の下で、エッジでのニューロモルフィックコンピューティングの道を開いた。
論文 参考訳(メタデータ) (2023-10-20T22:37:46Z) - CktGNN: Circuit Graph Neural Network for Electronic Design Automation [67.29634073660239]
本稿では,回路トポロジ生成とデバイスサイズを同時に行う回路グラフニューラルネットワーク(CktGNN)を提案する。
オープンサーキットベンチマーク(OCB: Open Circuit Benchmark)は、オープンソースのデータセットで、10ドル(約10万円)の異なるオペレーショナルアンプを含む。
我々の研究は、アナログ回路のための学習ベースのオープンソース設計自動化への道を開いた。
論文 参考訳(メタデータ) (2023-08-31T02:20:25Z) - Extensible circuit-QED architecture via amplitude- and
frequency-variable microwaves [52.77024349608834]
固定周波数キュービットとマイクロ波駆動カプラを組み合わせた回路QEDアーキテクチャを提案する。
ドライブパラメータは、選択的な2ビット結合とコヒーレントエラー抑制を可能にする調整可能なノブとして現れる。
論文 参考訳(メタデータ) (2022-04-17T22:49:56Z) - Working Memory Connections for LSTM [51.742526187978726]
ワーキングメモリ接続は,様々なタスクにおけるLSTMの性能を常に向上することを示す。
数値的な結果は、細胞状態がゲート構造に含まれる価値のある情報を含んでいることを示唆している。
論文 参考訳(メタデータ) (2021-08-31T18:01:30Z) - Energy-Efficient Model Compression and Splitting for Collaborative
Inference Over Time-Varying Channels [52.60092598312894]
本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。
提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
論文 参考訳(メタデータ) (2021-06-02T07:36:27Z) - Analog Neural Computing with Super-resolution Memristor Crossbars [0.0]
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。
論文 参考訳(メタデータ) (2021-05-10T18:52:44Z) - 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) - Reliability-Performance Trade-offs in Neuromorphic Computing [0.30458514384586394]
非揮発性メモリ(NVM)で構築されたニューロモルフィックアーキテクチャは、スパイキングニューラルネットワーク(SNN)で設計された機械学習タスクのエネルギー効率を大幅に改善する。
寄生電圧低下は, クロスバー内のNVMセルのプログラミング速度と信頼性において, 顕著な非対称性を生じさせる。
ニューロモルフィックアーキテクチャにおけるこの非対称性は信頼性と性能のトレードオフを生み出し、SNNマッピング技術を用いて効率的に利用することができる。
論文 参考訳(メタデータ) (2020-09-26T19:38:18Z) - DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO
Detection [98.43451011898212]
複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。
本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。
DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
論文 参考訳(メタデータ) (2020-02-08T18:31:00Z)
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。