多层次,成型和无线丝,批量切换三层RRAM用于边缘神经形态计算
Jaeseoung Park1, Ashwani Kumar1, Yucheng Zhou1
1Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, CA, USA.
Nature communications
|April 25, 2024
概括
我们开发了一种用于神经形态计算的新型无丝电阻随机存储器 (RRAM) 技术. 这一创新克服了当前RRAM的局限性,使得更高效,更准确的边缘AI应用程序成为可能.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机工程 计算机工程
- 人工智能的人工智能
背景情况:
- 与CMOS技术集成的电阻随机访问存储器 (RRAM) 对于节能的神经形态计算至关重要.
- 在传统的RRAM中,丝状切换会导致精度损失,能源使用增加和复杂的编程.
- 现有的RRAM技术面临着噪声和变化的挑战,阻碍了可靠的神经形态应用.
研究的目的:
- 开发一种无线丝,批量切换RRAM技术,以增强神经形态计算.
- 设计一个强大的金属氧化物堆,使可靠的批量切换特性.
- 为了证明这个新的RRAM在边缘计算任务中的有效性.
主要方法:
- 用于RRAM制造的三层金属氧化物堆的系统工程.
- 研究RRAM切换特征与不同的材料厚度和氧气空隙分布.
- 开发一种神经形态内存计算平台,用于实现尖端神经网络.
主要成果:
- 在RRAM设备中实现了可靠的无线丝批量切换.
- 证明了高电流非线性和多达100个不同的电阻级别,没有合规电流.
- 在一个用于自主导航的神经形态平台上成功实现了尖端神经网络,展示了边缘计算能力.
结论:
- 开发的无线丝批量切换RRAM解决了当前RRAM技术的关键局限性.
- 这种RRAM方法为在边缘的低功耗,高性能神经形态计算提供了一条途径.
- 该技术适用于大小,重量和功率受限制的边缘计算应用.
更多相关视频
09:49In Situ Transmission Electron Microscopy with Biasing and Fabrication of Asymmetric Crossbars Based on Mixed-Phased a-VOx
Published on: May 13, 2020
4.1K
10:32Design, Surface Treatment, Cellular Plating, and Culturing of Modular Neuronal Networks Composed of Functionally Inter-connected Circuits
Published on: April 15, 2015
8.5K
