論文の概要: Synaptogen: A cross-domain generative device model for large-scale neuromorphic circuit design

• arxiv url: http://arxiv.org/abs/2404.06344v1
• Date: Tue, 9 Apr 2024 14:33:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-10 14:30:51.113814
• Title: Synaptogen: A cross-domain generative device model for large-scale neuromorphic circuit design
• Title（参考訳）: Synaptogen:大規模ニューロモルフィック回路設計のためのクロスドメイン生成デバイスモデル
• Authors: Tyler Hennen, Leon Brackmann, Tobias Ziegler, Sebastian Siegel, Stephan Menzel, Rainer Waser, Dirk J. Wouters, Daniel Bedau,
• Abstract要約: 実世界のデバイスの複雑な統計特性を再現する抵抗記憶のための高速な生成モデリング手法を提案する。 統合された1T1Rアレイの広範な測定データをトレーニングすることにより、自己回帰プロセスはパラメータ間の相互相関を正確に考慮する。 ベンチマークでは、この統計的に包括的なモデルがスループットを、さらに単純化され決定論的にコンパクトなモデルよりも上回っていることが示されている。
• 参考スコア（独自算出の注目度）: 1.704443882665726
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a fast generative modeling approach for resistive memories that reproduces the complex statistical properties of real-world devices. To enable efficient modeling of analog circuits, the model is implemented in Verilog-A. By training on extensive measurement data of integrated 1T1R arrays (6,000 cycles of 512 devices), an autoregressive stochastic process accurately accounts for the cross-correlations between the switching parameters, while non-linear transformations ensure agreement with both cycle-to-cycle (C2C) and device-to-device (D2D) variability. Benchmarks show that this statistically comprehensive model achieves read/write throughputs exceeding those of even highly simplified and deterministic compact models.
• Abstract（参考訳）: 実世界のデバイスの複雑な統計特性を再現する抵抗記憶のための高速な生成モデリング手法を提案する。 アナログ回路の効率的なモデリングを実現するため、モデルはVerilog-Aで実装される。 統合された1T1Rアレイ(512デバイスの6000サイクル)の広範な測定データをトレーニングすることにより、自動回帰確率過程はスイッチングパラメータ間の相互相関を正確に説明し、非線形変換はサイクルツーサイクル(C2C)とデバイスツーデバイス(D2D)のばらつきを確実にする。 ベンチマークにより、この統計的に包括的なモデルは、非常に単純化された決定論的コンパクトモデルよりも読み書きのスループットを達成できることが示されている。

関連論文リスト

• Event-Based Simulation of Stochastic Memristive Devices for Neuromorphic Computing [41.66366715982197]
  イベントベースシステムのシミュレーションに適したメムリスタの一般モデルを構築した。 既存のmemristorの汎用モデルをイベント駆動設定に拡張する。 本稿では,イベントベースモデルのパラメータをドリフトモデルに適合させる手法を示す。
  論文  参考訳（メタデータ） (2024-06-14T13:17:19Z)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• SiT: Exploring Flow and Diffusion-based Generative Models with Scalable Interpolant Transformers [33.15117998855855]
  Diffusion Transformers (DiT) のバックボーン上に構築された生成モデル 補間フレームワークは、2つの分布を標準拡散モデルよりも柔軟な方法で接続することができる。 SiT は条件付き ImageNet 256x256 と 512x512 ベンチマークで DiT を均一に上回っている。
  論文  参考訳（メタデータ） (2024-01-16T18:55:25Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• FuNToM: Functional Modeling of RF Circuits Using a Neural Network Assisted Two-Port Analysis Method [0.40598496563941905]
  本稿では,RF回路の機能モデリング手法であるFuNToMを提案する。 FuNToMは、単一のメインデータセットと複数の小さなデータセットを使用して、複数のトポロジをモデル化するための2ポート解析手法を利用している。 その結果、複数のRF回路において、最先端技術と比較すると、必要なトレーニングデータを2.8倍から10.9倍削減できることがわかった。
  論文  参考訳（メタデータ） (2023-08-03T21:08:16Z)
• A High Throughput Generative Vector Autoregression Model for Stochastic Synapses [0.0]
  我々は,抵抗性メモリセルの電気的測定データに基づくシナプスアレイの高スループット生成モデルを開発した。 10億セルを超える配列サイズと、毎秒1億の重み更新のスループットを、30フレーム/秒の4Kビデオストリームのピクセルレートよりも上回っていることを実証した。
  論文  参考訳（メタデータ） (2022-05-10T17:08:30Z)
• Equivalence of Segmental and Neural Transducer Modeling: A Proof of Concept [56.46135010588918]
  RNN-Transducerモデルとセグメントモデル(直接HMM)の広く使われているクラスが等価であることを証明する。 空白確率はセグメント長確率に変換され,その逆も示された。
  論文  参考訳（メタデータ） (2021-04-13T11:20:48Z)
• A Compact Gated-Synapse Model for Neuromorphic Circuits [77.50840163374757]
  このモデルは、ニューロモルフィック回路のコンピュータ支援設計への統合を容易にするためにVerilog-Aで開発された。 モデルの振る舞い理論は、デフォルトパラメータ設定の完全なリストとともに詳細に記述されている。
  論文  参考訳（メタデータ） (2020-06-29T18:22:11Z)
• Variational Hyper RNN for Sequence Modeling [69.0659591456772]
  本稿では,時系列データにおける高変数の取得に優れる新しい確率的シーケンスモデルを提案する。 提案手法では,時間潜時変数を用いて基礎となるデータパターンに関する情報をキャプチャする。 提案手法の有効性を,合成および実世界のシーケンシャルデータに示す。
  論文  参考訳（メタデータ） (2020-02-24T19:30:32Z)
• Development, Demonstration, and Validation of Data-driven Compact Diode Models for Circuit Simulation and Analysis [0.0]
  機械学習技術は、コンパクトモデルの開発を自動化し、大幅に高速化する可能性がある。 MLは、特定の回路ステージに合わせて調整されたコンパクトモデルの階層を開発するために使用できる様々なモデリングオプションを提供する。 これらの「データ駆動型」コンパクトモデルの性能を,(1)実験室データと電圧電流特性を比較し,(2)これらの装置を用いたブリッジ回路の構築により評価した。
  論文  参考訳（メタデータ） (2020-01-06T18:25:32Z)

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。