論文の概要: Memory Wall is not gone: A Critical Outlook on Memory Architecture in Digital Neuromorphic Computing

• arxiv url: http://arxiv.org/abs/2604.08774v1
• Date: Thu, 09 Apr 2026 21:23:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.586692
• Title: Memory Wall is not gone: A Critical Outlook on Memory Architecture in Digital Neuromorphic Computing
• Title（参考訳）: メモリウォールは消えていない:デジタルニューロモーフィックコンピューティングにおけるメモリアーキテクチャの批判的展望
• Authors: Amirreza Yousefzadeh, Sameed Sohail, Ana Lucia Varbanescu,
• Abstract要約: 記憶機構の再評価がなければ、デジタルニューロモルフィックプロセッサはエッジや組み込みアプリケーションで効果的に競合するのに苦労するかもしれない、と我々は主張する。 ニューロモルフィックシステムにおけるオンチップメモリの限界を克服するための今後の研究の道筋として,我々は結論付けている。
• 参考スコア（独自算出の注目度）: 0.2851702684899107
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid advancement of neuromorphic technology aims to address the memory wall challenge inherent in conventional von Neumann architectures. This paper critically examines current digital neuromorphic processors and their strategies to mitigate this bottleneck. While designed to bring computation closer to memory through distributed architectures, our findings indicate that on-chip memory systems, including SRAM and emerging technologies like STT-MRAM, have become significant consumers of area and energy, leading to a new memory wall. Through an analysis of energy and area efficiency in various memory technologies, we argue that without a re-evaluation of memory organization, digital neuromorphic processors may struggle to compete effectively in edge and embedded applications. We conclude with potential pathways for future research to overcome the limitations of on-chip memory in neuromorphic systems.
• Abstract（参考訳）: ニューロモルフィック技術の急速な進歩は、従来のフォン・ノイマンアーキテクチャに固有のメモリウォールの課題に対処することを目的としている。 本稿では,現在のディジタルニューロモルフィックプロセッサとそのボトルネック軽減戦略を批判的に検討する。 分散アーキテクチャによって計算をメモリに近づけるように設計されているが、SRAMやSTT-MRAMのような新興技術を含むオンチップメモリシステムは、領域とエネルギーの消費を著しく減らし、新たなメモリウォールへと繋がった。 様々なメモリ技術におけるエネルギーと面積効率の分析を通じて、我々は、記憶組織を再評価しなければ、デジタルニューロモルフィックプロセッサはエッジおよび組み込みアプリケーションにおいて効果的に競合するのに苦労するかもしれないと論じる。 ニューロモルフィックシステムにおけるオンチップメモリの限界を克服するための今後の研究の道筋として,我々は結論付けている。

関連論文リスト

• Memory in the Age of AI Agents [217.9368190980982]
  この研究は、現在のエージェントメモリ研究の最新の展望を提供することを目的としている。 我々は,エージェントメモリ,すなわちトークンレベル,パラメトリック,潜時メモリの3つの支配的実現を同定する。 実用的な開発を支援するため、メモリベンチマークとオープンソースフレームワークの包括的な概要をコンパイルする。
  論文  参考訳（メタデータ） (2025-12-15T17:22:34Z)
• Algorithm-hardware co-design of neuromorphic networks with dual memory pathways [8.49692039836696]
  イベント駆動センシングでは、スパイクニューラルネットワークが優れている。 長期にわたるタスク関連コンテキストの維持は、この分野における中核的な課題である。 我々は,新しいアルゴリズムとハードウェアの共同設計を通じて,この問題に対処する。
  論文  参考訳（メタデータ） (2025-12-08T14:50:26Z)
• Hardware-software co-exploration with racetrack memory based in-memory computing for CNN inference in embedded systems [54.045712360156024]
  レーストラックメモリは、データ密度の高い製造を可能にする不揮発性技術である。 メモリセルを持つインメモリ演算回路は、メモリ密度と電力効率の両方に影響を与える。 レーストラックメモリに最適化された効率的なインメモリ畳み込みニューラルネットワーク(CNN)アクセラレータを提案する。
  論文  参考訳（メタデータ） (2025-07-02T07:29:53Z)
• Efficient and accurate neural field reconstruction using resistive memory [52.68088466453264]
  デジタルコンピュータにおける従来の信号再構成手法は、ソフトウェアとハードウェアの両方の課題に直面している。 本稿では,スパース入力からの信号再構成のためのソフトウェア・ハードウェア協調最適化を用いた体系的アプローチを提案する。 この研究は、AI駆動の信号復元技術を進歩させ、将来の効率的で堅牢な医療AIと3Dビジョンアプリケーションへの道を開く。
  論文  参考訳（メタデータ） (2024-04-15T09:33:09Z)
• Topology-aware Embedding Memory for Continual Learning on Expanding Networks [63.35819388164267]
  本稿では,メモリリプレイ技術を用いて,メモリ爆発問題に対処する枠組みを提案する。 Topology-aware Embedding Memory (TEM) を用いたPDGNNは最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2024-01-24T03:03:17Z)
• 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)
• Memoria: Resolving Fateful Forgetting Problem through Human-Inspired Memory Architecture [5.9360953869782325]
  本稿では,人工ニューラルネットワークのメモリシステムであるMemoriaを紹介する。 その結果, 分類, 言語モデリング, 分類の多様なタスクにおいて, Memoriaの有効性が証明された。 エングラム分析により、記憶は人間の記憶の特徴である優位性、傾向、時間的連続効果を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-04T09:40:46Z)
• A Co-design view of Compute in-Memory with Non-Volatile Elements for Neural Networks [12.042322495445196]
  次世代のコンピューティングハードウェアにおいて,コンピュート・イン・メモリがいかに重要な役割を果たすかを論じる。 非揮発性メモリベースのクロスバーアーキテクチャは、アナログプロセスを使用して行列ベクトル乗算演算を並列化するエンジンの心臓を形成する。 クロスバーアーキテクチャは、時にはニューロモルフィックアプローチと呼ばれ、将来のコンピュータにおいて重要なハードウェア要素となる。
  論文  参考訳（メタデータ） (2022-06-03T15:59:46Z)
• Space Time Recurrent Memory Network [35.06536468525509]
  本研究では,空間時間領域における学習・推論問題に対する新しい視覚記憶ネットワークアーキテクチャを提案する。 このアーキテクチャは、ビデオオブジェクトのセグメンテーションとビデオ予測の問題に基づいてベンチマークされる。 我々のメモリアーキテクチャは、一定のメモリ容量を維持しつつ、最先端技術と競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-14T06:53:51Z)

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。