イベントシーケンス処理のためのステート空間モデルのインメモリコンピューティング実装

科学分野:

• 人工知能
• コンピュータ工学
• 神経科学

背景:

• ステート空間モデル（SSM）は、高度な長シーケンス処理機能を提供します。
• SSMは、生物学的システムの機能を模倣して、リカレントネットワークと畳み込みネットワークを一般化します。
• 既存のSSM実装は、エネルギー効率とリアルタイム処理の課題に直面しています。

研究 の 目的:

• エネルギー効率の高いコンピューティングインメモリハードウェアにステート空間モデル（SSM）を実装すること。
• AIアプリケーションのためのリアルタイム、イベント駆動型処理を達成すること。
• パフォーマンス向上のためのアルゴリズムとハードウェアの協調設計を探求すること。

主な方法:

• 実数値係数と共有減衰定数のための再パラメータ化されたSSM。
• デバイスダイナミクスと対角化された状態遷移パラメータを活用しました。
• 抵抗メモリを備えたクロスバーベースのコンピューティングインメモリシステムでネイティブに状態進化を実装しました。

主要な成果:

• 提案システムを使用したAIタスクにおける高精度を達成しました。
• 従来のメソッドと比較して大幅なエネルギー効率を実証しました。
• イベントベースのビジョンとオーディオのための完全に非同期処理を可能にしました。

結論:

• アルゴリズムとハードウェアの協調設計により、効率的なSSM実装が可能になります。
• このシステムは、リアルタイム、低消費電力のAI処理への道を提供します。
• このアプローチは、イベントベースの感覚データタスクに適しています。