CMOS-Memristive Analog Multiplier Design
本文提出了一种采用CMOS-忆阻器电路的四象限模拟乘法器。目前,有大量的模拟乘法器使用电阻和CMOS晶体管。它们可以实现完美的乘法,但也有一些缺点,例如处理速度较低、功耗较高和芯片面积较大。基于忆阻器的电路被引入以解决所提到的缺点。本文以基于平方电路的电流模式四象限乘法器为框架,用忆阻器代替CMOS晶体管。利用SPICE软件对电路设计进行了仿真,分析了电路性能随温度的变化规律。所提出的电路允许更快地处理保留的数据,同时消耗更少的功率,保持乘法特性。
2019-08-27 cs.ET
Analog Feedback-Controlled Memristor programming Circuit for analog Content Addressable Memory
Forschungszentrum Jülich(于利希研究中心);Technical University of Munich(慕尼黑工业大学);Nanyang Technological University(南洋理工大学);RWTH Aachen University(亚琛工业大学)
针对忆阻模拟CAM编程中编程-验证频繁切换导致的高功耗与长耗时问题,提出基于LUT的模拟反馈控制编程电路及aCAM阵列,并通过TSMC 28nm SPICE仿真验证其可行性与可扩展性。
2023-04-21 cs.AI cs.ET
Analog content addressable memories with memristors
内容可寻址存储器以高度并行的方式将输入搜索字与阵列中的所有存储字行进行比较。虽然它为模式匹配和搜索中的许多应用提供了非常强大的功能,但它具有大面积、成本和功耗的缺点,限制了它的使用。过去的改进已经通过使用忆阻器来代替常规设计中的静态随机存取存储单元而实现,但是采用仅基于二进制或三进制状态的类似方案来进行存储和搜索。我们提出了一种新的模拟内容可寻址存储器的概念和电路,以克服这些限制,利用模拟电导可调的忆阻器。我们的模拟内容可寻址存储器在可编程电导内存储数据,并可将模拟或数字搜索值作为输入。实验演示,缩放模拟和分析表明,我们的模拟内容可寻址存储器可以减少面积和功耗,这使得现有的应用程序的加速,而且新的计算应用领域。
2020-04-07 cond-mat.mtrl-sci cs.ET
Multi-level Memristive Memory with Resistive Networks
模拟存储器在神经计算技术领域具有重要的应用价值,但其实现仍存在一定的困难。随着忆阻器在超大规模集成电路技术中的出现,设计可扩展的模拟数据存储元件的想法找到了它的第二个风。忆阻器以其历史相关的电阻水平而闻名,可以独立地提供二进制或离散状态数据存储的块。然而,由于器件的可变性和实现的复杂性,使用单个忆阻器来保存模拟值实际上是有限的。本文提出了一种新的离散态存储单元的设计,它由忆阻器及其电阻网络构成的子单元组成。子单元中的忆阻器提供存储元件,而其电阻网络用于对其电阻进行编程。然后将几个子电池并联连接,类似于分压器配置。存储单元的输出是通过在子单元之间分配输入电压而产生的电压。这里,所提出的设计被编程为根据子单元内的组合电阻网络的配置来获得10个和27个不同的输出电平。尽管电路简单,但与基于忆阻器的存储器技术的先前设计相比,多级存储器的这种实现提供了增加的输出电平数量。建议的存储器的仿真结果进行了分析,提供明确的数据上的问题,区分离散的模拟输出电平和灵敏度的细胞在写信号模式的振荡。
2017-09-13 cs.ET
A Compact CMOS Memristor Emulator Circuit and its Applications
由于忆阻器在非冯·诺依曼计算、机器学习、类脑计算和混沌电路中的广泛应用,忆阻器的概念最近引起了广泛的兴趣。我们介绍了一个紧凑的CMOS电路,模拟理想化的忆阻器特性,可以跨越器件的挑战,弥合概念之间的差距,芯片级实现。CMOS忆阻器电路体现为两端可变电阻器,其电阻由跨其端子施加的电压控制。忆阻器的“状态”被保持在控制电阻值的电容器中。本文提出了忆阻器仿真电路的设计和仿真,并将其应用于一个使用模拟并行求解迷宫的记忆计算应用中。此外,忆阻器仿真器电路可以使用标准商业CMOS技术来设计和制造,并且为神经形态和机器学习电路中的有趣应用打开了大门。
2017-11-18 cs.ET
Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing
Shanghai Jiao Tong University(上海交通大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Fudan University(复旦大学);Defense Innovation Institute, Academy of Military Sciences(军事科学院国防创新研究院)
针对钙钛矿忆阻器非理想特性阻碍模拟计算应用的问题,提出器件制备与算法协同优化方法,通过贝叶斯优化筛选最优器件参数、BO引导噪声注入训练鲁棒DNN,实现多任务性能最高百倍提升。
2024-12-09 cs.AI cs.ET cs.LG
Representable Matrices: Enabling High Accuracy Analog Computation for Inference of DNNs using Memristors
基于忆阻器技术的模拟计算是加速深度神经网络(DNN)推理阶段的一种很有前途的解决方案。一个基本的问题是将任意矩阵映射到忆阻器交叉杆阵列(MCA),同时最大限度地提高计算精度。最先进的映射技术基于启发式算法,该算法仅保证为两个输入向量生成正确的输出。在本文中,提出了一种旨在为每个输入向量产生正确输出的技术,该技术涉及指定忆阻器电导值和由外围电路实现的比例因子。本文的主要观点是,MCA实现的电导矩阵只需要与目标矩阵成比例。两者之间的缩放因子的选择调节可编程忆阻器电导范围的利用和目标矩阵的可表示性。因此,设置比例因子以平衡精度和值范围误差。此外,提出了一种将电导值转换为状态变量的技术,反之亦然,以处理具有非理想器件特性的忆阻器。与现有技术相比,所提出的映射导致4倍至9倍的小误差。这些改进转化为七层卷积神经网络(CNN)在CIFAR-10上的分类准确率从20.5%提高到71.8%。
2019-11-27 cs.ET cs.NE
Analog simulator of integro-differential equations with classical memristors
模拟计算机利用系统的连续变量,如其电气、机械或液压特性,来解决给定的问题。虽然这些设备通常在计算上比数字设备更强大,但它们受到模拟噪声的影响,无法进行错误控制。我们将重点介绍基于有源电网络的模拟计算机,该网络由电阻器、电容器和运算放大器组成,能够模拟任何线性常微分方程。然而,他们可以解决的非线性动力学的类别是有限的。在这项工作中,通过将忆阻器添加到电网络中,我们表明模拟计算机可以通过仔细选择忆阻器状态变量的电导和动态来模拟各种线性和非线性积分微分方程。据我们所知,这是第一次提出基于忆阻器的电路进行模拟。我们通过模拟与流体动力学相关的积分-微分模型、人口增长的非线性Volterra方程和描述非马尔可夫记忆效应的量子模型等来研究这些模拟计算机的性能。最后,我们进行稳定性测试,考虑不完美的模拟组件,获得强大的解决方案,高达$13\%$相关的时间尺度的相对误差。
2019-09-27 cs.ET cs.NE quant-ph
Positional Encoding in the Context of Memristor-Based Analog Computation for Automatic Speech Recognition
Machine Learning and Human Language Technology Group, Faculty of Computer Science, RWTH Aachen University(亚琛工业大学计算机科学学院机器学习和人类语言技术组);Apptek GmbH(Apptek 有限公司)
针对忆阻器模拟计算中位置编码导致模数转换精度下降的问题,通过调整ADC权重和精度位比例或移除编码相关线性变换,分别降低约50%和30%的性能损失。
2026-06-12 cs.AR cs.ET cs.LG
Design and simulation of memristor-based neural networks
针对神经网络能耗和硬件成本高的问题,本文改编物理模型模拟KNOWM商用忆阻器,设计并仿真多个神经网络,验证了忆阻器模拟电路作为高效推理替代方案的可行性。
2023-06-20 cs.ET
Analog programming of CMOS-compatible Al$_2$O$_3$/TiO$_\textrm{2-x}$ memristor at 4.2 K after metal-insulator transition suppression by cryogenic reforming
本研究提出了一种低温重塑(CR)技术,成功抑制了TiO$_\ extrm{2-x}$忆阻器在4.2 K下的金属-绝缘体转变(MIT),显著降低了切换电压并提升了电导稳定性,实现了低温下的模拟编程,开关比提高约250%,为低温神经形态计算突触应用提供了可能。
2023-07-28 cs.ET physics.app-ph
Sinusoidal analysis of memristor bridge circuit-rectifier for low frequencies
忆阻器的动态特性使其在模拟电路设计中有许多新的应用。由于一些实现显示(例如,2007年由Hewlett Packard),与忆阻器的应用程序的开发变得越来越有趣。虽然大多数研究都是在神经网络和存储设备中的忆阻器应用方向上进行的,但很少有出版物涉及模拟忆阻电路的实际应用。但这一主题也有望进一步应用。因此,本文提出了一种用于不同目的的频率依赖整流器忆阻器桥(例如,用作可编程突触膜电压发生器用于Spike-Time-Dependent-Plasticity),并描述了电路理论。在这种情况下,它表明,皮卡德迭代是一种可能性,以解决系统的非线性状态方程的忆阻器电路解析。还给出了忆阻器在一般网络中如何工作的直观画面。在这种背景下,一些研究的动态行为的HP忆阻器应该做的。
2013-02-18 cond-mat.mtrl-sci cs.ET
Organic Memristor Devices for Logic Elements with Memory
忆阻器是有希望的下一代存储器候选者,其是非易失性的,具有低功率要求并且能够纳米级制造。在这篇文章中,我们物理实现和描述使用有机忆阻器在设计状态布尔逻辑门的AND或和NOT操作。这些门的输出是模拟的,并且取决于合适的电荷施加到输入的时间长度,显示出学习特性。结果也可以通过在输出端使用合适的阈值函数以传统的二进制方式进行解释。门的忆阻特性允许产生基于忆阻器的电荷相关非易失性状态而变化的模拟输出。我们提供了三种类型的逻辑门的物理制造的实验结果。还包括由忆阻逻辑门组成的一位全加器的模拟,显示对两种不同输入模式的不同响应。
2012-12-14 cs.ET physics.chem-ph
4K-Memristor Analog-Grade Passive Crossbar Circuit
无源模拟级忆阻交叉开关的优越密度可以使得能够将大的突触权重矩阵直接存储在专用神经形态芯片上,从而避免昂贵的芯片外通信。为了确保在类脑计算电路中有效地使用这种交叉,交叉点器件的电流-电压特性的变化必须基本上低于具有选择晶体管的存储单元的电流-电压特性的变化。显然,这一要求解释了为什么使用被动交叉杆的神经形态系统原型的演示如此之少。在这里,我们报告了一个64x64无源金属氧化物忆阻器交叉开关电路与~99%的器件成品率,基于一个代工兼容的制造工艺,具有蚀刻图案化和低温预算,有利于垂直集成。我们的器件实现了约26%的开关电压变化,足以编程4K像素灰度图案,平均调谐误差小于4%。通过实验证明MNIST模式分类的保真度接近这种大小的网络的软件建模极限,输入非原位计算的突触权重的平均误差为~1%,进一步验证了模拟特性。我们相信,我们的工作是一个显着的改进,国家的最先进的无源交叉开关存储器的复杂性和模拟性能。
2019-06-27 cs.ET cs.NE physics.app-ph
Advancing Memristive Analog Neuromorphic Networks: Increasing Complexity, and Coping with Imperfect Hardware Components
我们通过实验证明了4 × 4二进制图像分为4类,使用3层混合信号神经形态网络(“MLP感知器”),基于两个无源20 × 20忆阻交叉阵列,板集成离散CMOS组件。该网络具有10个隐藏层和4个输出层模拟CMOS神经元和428个金属氧化物忆阻器,即几乎比任何先前报道的功能忆阻器电路复杂一个数量级。此外,该分类器的推理操作完全在集成硬件中执行。为了处理更大的交叉阵列,我们已经开发了一种半自动的方法来形成和测试,并比较了几种忆阻器训练方案,以应对这些设备的不完美行为,以及模拟CMOS神经元的可变性。所提出的计划的有效性进行了实验验证,使用实施的网络,此外,通过建模的操作一个更大的网络,300个隐藏层神经元,在MNIST基准。最后,我们提出了一个简单的修改实现忆阻器为基础的矢量矩阵乘法器,使其在更宽的温度范围内的操作。
2016-11-10 cs.ET cs.NE
Neuron inspired data encoding memristive multi-level memory cell
将受神经启发的算法映射到片上硬件的传感器背板需要将信号处理从数字域转移到模拟域,这需要超越传统CMOS二进制存储单元的存储器技术。使用忆阻器来构建模拟数据存储是新兴的非易失性存储器技术中有前途的方法之一。最近,已经开发了用于存储离散模拟值的忆阻多级存储器(MLM)单元,其中存储器系统被实现为以分压器配置组合忆阻器。在给定的示例中,每个子单元中具有忆阻器的3个子单元的存储单元被编程为存储三进制位,总共实现了10和27个离散电压电平。然而,为了在模拟信号处理电路中进一步使用所提出的存储单元,需要数据编码器生成用于对忆阻器进行编程以存储离散模拟值的控制电压。在本文中,我们提出的设计和性能分析的数据编码器,产生写入模式信号的10级忆阻存储器。
2018-03-14 cs.AR cs.ET cs.NE
Fully analog memristive circuits for optimization tasks: a comparison
我们引入了一个李雅普诺夫函数的忆阻电路的动态,并比较忆阻器的有效性,在最小化功能,广泛使用的优化软件。我们特别研究了三类可以直接嵌入电路拓扑结构的问题,并表明忆阻器有效地尝试(快速)极值化这些泛函。
2020-09-02 cs.ET nlin.AO
Memristor - The fictional circuit element
在1971年,记忆电阻器(简称忆阻器)是一个无害的假设。自2008年以来的十年里,一种声称是缺失的忆阻器的设备一直在徘徊,寻求作为基本电路元件的认可,有时希望重写电子教科书,总是承诺显着的数字,模拟和类脑计算的可能性。关于该装置的基本性质的系统讨论几乎普遍缺乏。本报告从电气工程是电荷管理科学的角度,研究了忆阻器是基本无源电路元件的说法。利用基本元素周期表,我们证明了只能有三个基本的无源电路元件。理想的忆阻器是一种非物理的有源器件。空位输运模型进一步揭示了物理上可实现的忆阻器是具有主动滞后的两个电阻器的非线性组合物。
2018-08-17 cs.ET physics.app-ph
Memristor-Based Spiking Neural Network Accelerator for Bio-inspired Interception Task
The University of Texas at Arlington(阿灵顿德州大学);South Dakota State University(南达科他州立大学)
提出一种模拟忆阻器脉冲神经网络加速器,通过内存计算和模拟积分点火神经元实现异步事件驱动,在捕食者-猎物追踪任务中能耗降低12.7倍、延迟降低1.26倍。
2026-05-29 cs.ET cs.NE
Versatile CMOS Analog LIF Neuron for Memristor-Integrated Neuromorphic Circuits
Université de Sherbrooke(舍布鲁克大学);Université de Lille(里尔大学);Aix-Marseille Université(艾克斯-马赛大学);Université Paris-Saclay(巴黎萨克雷大学)
本文提出了一种多功能CMOS模拟LIF神经元,用于实现忆阻器集成神经形态电路中的自适应突触处理与本地学习规则。
2024-06-28 cs.ET cs.SY eess.SY
Running Conventional Automatic Speech Recognition on Memristor Hardware: A Simulated Approach
RWTH Aachen University(亚琛工业大学);AppTek GmbH(AppTek公司)
提出基于Synaptogen的PyTorch库模拟忆阻器硬件特性,首次验证百万参数Conformer在TED-LIUMv2上的表现,通过量化感知训练将3位精度下的词错误率相对退化限制在25%。
2025-05-30 cs.AR cs.ET cs.LG
Memristor-based Deep Convolution Neural Network: A Case Study
Binghamton University(宾汉姆顿大学)
在本文中,我们首先介绍了一种方法,有效地实现大规模的高维卷积与现实的忆阻器为基础的电路组件。实验验证的模拟器适用于准确预测模拟交叉开关的行为。提出了一种改进的卷积核转换算法,将卷积核转换为基于忆阻器的电路,该算法考虑了CNN中的数据和核模式,使误差最小化。通过对ResNet-20中所有卷积层的电路仿真,我们发现8位ADC/DAC对于保持软件级分类精度是必要的。
2018-09-14 cs.ET cs.LG cs.NE
Energy Efficient and High Performance Current-Mode Neural Network Circuit using Memristors and Digitally Assisted Analog CMOS Neurons
新兴的纳米级可编程电阻RAM(RRAM)已被确定为实现大脑启发计算硬件的有前途的技术。几种神经网络结构,本质上涉及输入数据向量和存储的网络权重之间的标量积的计算,可以使用与CMOS集成的RRAM的高密度交叉棒阵列来有效地实现。在这样的设计中,CMOS接口可以负责提供输入激励和处理RRAM输出。为了在基于RRAM的神经形态硬件中实现高能量效率以及高集成密度,RRAM-CMOS接口的设计因此可以发挥主要作用。在这项工作中,我们提出了高性能的设计,电流模式CMOS接口的RRAM为基础的神经网络设计。采用电流模式激励作为输入接口,数字辅助电流模式CMOS神经元电路作为输出接口。所提出的技术实现了10倍的能量,以及在文献中采用的传统方法的性能改进。网络级仿真表明,该方案可以实现2个数量级的低能耗相比,数字ASIC实现的前馈神经网络。
2015-12-01 cs.AR cs.ET
Hierarchical Temporal Memory using Memristor Networks: A Survey
本文提出了一个调查,目前可用的硬件设计实现的人类皮层启发的算法,分层时间记忆(HTM)。在这篇综述中,我们专注于最先进的忆阻HTM的实现和相关的HTM应用的进展。随着边缘计算的出现,HTM可以成为实现片上近传感器数据处理的潜在算法。提供了模拟忆阻电路实现与数字和混合信号解决方案的比较。忆阻HTM的数字实现对性能指标,如处理速度,减少片上面积和功耗的优势进行了讨论。还讨论了忆阻HTM的局限性和开放性问题,如设计可扩展性,寄生电流,泄漏,寄生效应,缺乏模拟学习电路的实现和与CMOS电路集成的忆阻器件的不可靠性。
2018-05-08 cs.AR cs.ET
PUMA: A Programmable Ultra-efficient Memristor-based Accelerator for Machine Learning Inference
忆阻器交叉开关是能够执行模拟矩阵向量乘法的电路,克服了数字逻辑的基本能量效率限制。它们已被证明是有效的专用加速器有限的一组神经网络应用。我们提出了基于可编程超高效忆阻器的加速器(Programmable Ultra-efficient Memristor-based Accelerator,简称MERA),它通过通用执行单元增强了忆阻器交叉开关,从而能够加速各种机器学习(ML)推理工作负载。通过专用指令集架构(ISA)公开的微架构技术保留了存内计算和模拟电路的效率,而不影响可编程性。我们还介绍了将高级代码翻译为CAXA ISA的CAXA编译器。编译器对计算图进行分区,并优化指令调度和寄存器分配,以生成用于大型复杂工作负载的代码,从而在数千个空间核上运行。我们已经开发了一个详细的架构模拟器,该模拟器结合了CNOAA组件的功能、时序和功耗模型,以评估性能和能耗。在1GHz下运行的MATA加速器可以分别达到$577~GOPS/s/mm^2$和$837~GOPS/s/W$的面积和功率效率。我们对图像识别、机器翻译和语言建模(5 M-800 M突触)等多种ML应用程序的评估表明,与最先进的GPU相比,MGA在推理方面实现了高达$2,446\times$能量和$66\times$延迟的改善。与特定于应用的基于忆阻器的加速器相比,在类似的推理延迟和增加的可编程性下,CHTA产生小的能量开销。
2019-01-30 cs.AR cs.ET
Real-time raw signal genomic analysis using fully integrated memristor hardware
提出基于忆阻器的软硬件协同设计,直接在模拟存储器中处理原始测序信号,实现端到端基因组分析,在病毒映射中达97.15% F1分数,较ASIC加速51倍、节能477倍。
2025-04-22 cs.ET q-bio.QM
Forward-only learning in memristor arrays with month-scale stability
Université Paris-Saclay(巴黎萨克雷大学);CNRS, Centre de Nanosciences et de Nanotechnologies(法国国家科学研究中心,纳米科学与技术中心);Aix-Marseille Université(艾克斯-马赛大学);CNRS, Institut Matériaux Microélectronique Nanosciences de Provence(法国国家科学研究中心,普罗旺斯微电子材料纳米科学研究所);Université Grenoble-Alpes(格勒诺布尔阿尔卑斯大学);CEA, LETI(法国原子能和替代能源委员会,技术与创新研究实验室)
本研究通过单向训练算法和亚1伏特重置更新,在忆阻器阵列中实现了月级稳定的高效学习,展示了在边缘智能中的应用潜力。
2026-09-05 cs.ET
Self-Adaptive Spike-Time-Dependent Plasticity of Metal-Oxide Memristors
金属氧化物忆阻器已经成为人工突触硬件实现的有前途的候选者-高性能模拟神经形态网络的关键组件-由于其出色的扩展前景。由于一些高级认知任务需要尖峰神经形态网络,它明确地模拟生物神经系统中的单个神经脉冲(尖峰),因此忆阻突触支持尖峰时间依赖可塑性(STDP)是至关重要的,这被认为是Hebbian适应的主要机制。STDP实现的一个主要挑战是,与一些简单的可塑性模型相比,人工硬件突触中突触权重的基本变化不仅取决于突触前和突触后信号,还取决于初始权重(忆阻器的电导)值。在这里,我们实验证明,第一次,STDP协议,确保自适应的平均忆阻器电导,使可塑性稳定,即不敏感的设备的初始状态。实验是使用集成到12 x12十字棒中的200纳米Al 2 O3/TiO 2-x忆阻器进行的。实验观察到的自适应STDP行为已经补充了一个简单的系统中的重量动态的数值建模与泄漏集成和火灾神经元与随机尖峰序列输入,使用紧凑的模型忆阻器的可塑性,适合定量正确描述我们的忆阻器。
2015-05-20 cond-mat.other cs.ET
Fault-Free Analog Computing with Imperfect Hardware
针对模拟存内计算中器件故障和变异限制精度的问题,提出一种无故障矩阵表示法,通过将目标矩阵分解为可调子矩阵乘积绕过故障器件,在39%故障率下实现高保真度,并大幅提升计算密度与能效。
2025-07-15 cs.AR cs.ET
Laser Fault Injection in Memristor-Based Accelerators for AI/ML and Neuromorphic Computing
Department of Electrical and Computer Engineering, University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校电气与计算机工程系)
本研究提出激光故障注入威胁模型,通过HSPICE仿真展示其可高精度推断忆阻交叉阵列内部权重并破坏计算完整性。
2025-10-15 cs.ET cs.NE cs.SY
Homogeneous Spiking Neuromorphic System for Real-World Pattern Recognition
Boise State University(博伊西州立大学)
结合CMOS模拟尖峰神经元和忆阻突触的神经形态芯片为脑启发计算提供了一个有前途的解决方案,因为它可以提供大规模的神经网络并行性和密度。以前的混合模拟CMOS-忆阻器方法需要大量的CMOS电路进行训练,因此消除了采用忆阻器突触所获得的大部分密度优势。此外,他们对突触前和突触后尖峰使用了不同的波形,这增加了不期望的电路开销。在这里,我们描述了一个硬件架构,可以具有大量的忆阻器突触学习现实世界的模式。我们提出了一个多功能的CMOS神经元,它结合了集成和发射行为,驱动无源忆阻器并在紧凑的电路模块中实现竞争性学习,并使忆阻器突触中的原位可塑性成为可能。我们演示了手写数字识别使用晶体管级电路模拟所提出的架构。由于所描述的神经形态架构是同质的,它实现了大规模节能大脑启发硅芯片的基本构建块,可能导致下一代认知计算。
2015-06-08 cs.AI cs.CV cs.ET
Stochastic Memristive Devices for Computing and Neuromorphic Applications
纳米级电阻开关器件(忆阻器件或忆阻器)已经被研究用于从非易失性存储器、逻辑到神经形态系统的许多应用。然而,一个主要的挑战是解决这些纳米级器件在空间和时间上的潜在大变化。在这里,我们表明,在基于金属丝的忆阻器件的开关可以是完全随机的。虽然单个切换事件是随机的,但切换的分布和概率可以很好地预测和控制。电阻开关的固有随机性质允许这些二进制器件用作新型容错计算方案(例如随机计算)的构建块,而不是试图使用过多的电压或时间来强制高开关概率,并在神经形态应用中提供所需的“模拟”特征。为了验证这种潜力,我们在时间和空间域中展示了基于忆阻器的随机比特流,并表明二进制忆阻器阵列可以作为神经形态应用的多级“模拟”设备。
2013-04-22 cond-mat.other cs.ET
Scaling-up Memristor Monte Carlo with magnetic domain-wall physics
本文将 SGLD 映射到磁畴壁忆阻器物理,提出推挽脉冲编程方法,把 MMC 规模提升五个数量级,并用 CIFAR-10 训练 ResNet18 验证近浮点性能。
2023-12-05 cs.ET physics.app-ph
XCRYPT: Accelerating Lattice Based Cryptography with Memristor Crossbar Arrays
本文提出了一个加速格为基础的后量子密码学(PQC)与忆阻器为基础的交叉开关的情况下,这些固有的容错算法是一个很好的适合噪声模拟MAC操作交叉开关。我们比较了不同的NIST第三轮基于网格的PQC候选者,并确定SABER不仅是在传统系统上执行时的领跑者,而且还可以通过交叉杆加速。SABER是一种基于模LWR的方法,它通过舍入执行模多项式乘法。我们将SABER中的多项式乘法映射到交叉杆上,并表明与最近的硬件提案相比,模拟点积可以产生$1.7-32.5\times$性能和能效的改善。这个初始设计结合了多个最先进的作品中的创新-SABER中的算法和ISAAC(用于深度神经网络加速)中提出的忆阻加速原理。然后,我们确定在这个初始设计的瓶颈,并引入几个额外的技术,以提高其效率。这些技术是协同的,特别是受益于SABER的2的幂模运算。首先,我们表明,在SABER中使用的一些软件技术,在CPU平台上是有效的,是没有帮助的基于纵横的加速器。依靠更简单的算法,通过$1.3-3.6\times$进一步提高了我们的效率。其次,我们利用SABER的计算特性,交错交叉开关中的运算,并共享几个可变精度ADC,从而实现高达$1.8\times$的更高效率。第三,为了进一步降低ADC的压力,我们提出了一种简单的模拟移位和相加技术,这导致了$1.3-6.3\times$效率的提高。总体而言,我们的设计实现了$3-15\…
2023-01-31 cs.AR cs.CR cs.ET
A Wide Dynamic Range Read-out System For Resistive Switching Technology
由于忆阻器在较宽的动态电阻范围内具有可控性,因此已成为数据存储和模拟计算的一种有前途的器件。一个主要的挑战是在宽动态范围内精确测量忆阻。本文提出了一种新型的带反馈调节的读出电路,用于测量和数字化20 nA至2 mA范围内的输入电流。输入电流的大小由一个5级对数电流-电压放大器来估计,该放大器缩放一个线性模数转换器。这样,最低有效位跟踪绝对输入幅度。该电路适用于读取单个忆阻器电导,并且在读出精度特别关键的模拟计算中也是优选的。该电路已在双极CMOS DMOS(BCD)Gen 2技术中实现。
2022-05-17 cs.ET cs.SY eess.SY
Efficient Reprogramming of Memristive Crossbars for DNNs: Weight Sorting and Bit Stucking
Harvard University(哈佛大学)
本文提出通过权重排序和位卡滞技术减少忆阻交叉阵列重编程次数,在ImageNet-1K上实现ResNet-50和ViT-Base分别3.7倍和21倍的重编程减少,且精度损失在1%以内。
2024-10-29 cs.AI cs.AR cs.ET
Low-Power Control of Resistance Switching Transitions in First-Order Memristors
Institute of Physics, Opole University(奥波莱大学物理研究所);Department of Electronics and Telecommunications Politecnico di Torino(都灵理工大学电子与电信系);Department of Physics and Astronomy, University of South Carolina(南卡罗来纳大学物理与天文学系)
本文研究了第一阶忆阻器的低功耗控制方法,提出了一种优化开关转换的通用策略,通过电压控制模型展示了在不同物理特性和编程约束下,最优协议可能需要单一平方脉冲或更复杂的电压刺激。
2026-01-12 cond-mat.mes-hall cs.ET
Learning in Memristive Neural Network Architectures using Analog Backpropagation Circuits
Nazarbayev University(纳扎尔巴耶夫大学);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
学习算法的片上实现将加速交叉杆阵列中的神经网络的训练。基于梯度下降运算的神经网络反向传播算法的电路级设计与实现是一个开放性问题。在本文中,我们提出了各种忆阻学习架构的模拟反向传播学习电路,例如深度神经网络(DNN),二进制神经网络(BNN),多神经网络(MNN),分层时间记忆(HTM)和长短期记忆(LSTM)。电路设计和验证是使用台积电180纳米CMOS工艺模型,和基于TiO 2的忆阻器模型。使用XOR问题、MNIST字符和Yale人脸图像数据库对系统进行了应用级验证
2018-08-31 cs.AI cs.ET
Implementation of Multiple-Step Quantized STDP Based on Novel Memristive Synapses
本研究设计了由4忆阻器2电阻构成的新型SNN忆阻突触,可实现兴奋性/抑制性切换及无额外信号处理的赫布/反赫布训练,搭配时钟方波脉冲方案提升神经元电路鲁棒性,结合含非线性焦耳效应的忆阻器模型仿真验证,为神经形态边缘计算设备研发提供启发。
2023-08-28 cs.ET cs.SY eess.SY
Mitigating Imperfections in Mixed-Signal Neuromorphic Circuits
类脑计算的进展是由新型非易失性存储器的发展,能够存储模拟信息和有效地实现神经计算。然而,与大多数其他模拟电路一样,这些器件和电路容易出现缺陷,例如温度依赖性、噪声、调谐误差等,通常导致神经网络实现中相当大的性能下降。事实上,不完善是这些技术进一步发展和最终商业化道路上的主要障碍。因此,应该开发一种实际可行的方法来处理这些非理想性,并释放神经形态系统中的非易失性存储器的全部潜力。在这里,我们第一次报告了两种模拟级存储器中关键缺陷的全面表征,即被动集成忆阻器和重新设计的eFlash存储器,它们都具有长期保留,高耐久性,模拟存储,低功耗操作和紧凑的纳米级尺寸。然后,我们提出了一个整体的方法,包括在训练,调整算法,存储器状态优化和电路设计,以减轻这些缺陷的修改。我们提出的方法在一个混合软件/实验框架上得到了证实,该框架使用两个基准:一个中等大小的卷积神经网络和ResNet-18,分别在CIFAR-10和ImageNet数据集上训练。我们提出的方法允许2.5倍到9倍的改进,在推理和子百分之精度下降在25-100 C的温度范围内的存储器阵列的能量消耗。缺陷容限提高了> 100倍,并且在使用具有25%归一化开关阈值变化的64 x64无源忆阻交叉杆构建的深度神经网络中证明了低于百分比的精度下降。
2021-07-09 cs.ET