运用数学形态运算与基于memristor的内存计算架构来检测制造缺陷的应用

科学领域:

• 计算机科学 计算机科学
• 电气工程 电气工程
• 材料科学 材料科学 材料科学

背景情况:

• 数学形态运算对于半导体制造和医学成像等领域的图像处理至关重要.
• 像CPU和GPU这样的传统硬件在这些数据密集型应用程序的高要求下扎.
• 计算在内存 (CIM) 为高效的形态运算提供了一个有前途的方法.

研究的目的:

• 通过使用基于新型memristor的自动检测架构来演示形态运算的应用.
• 展示用于并行处理的多阵列memristor系统上的非神经形态计算.
• 为了验证系统在集成电路和医疗图像缺陷检测方面的有效性.

主要方法:

• 开发了一种基于memristor的新型自动检测架构,用于形态操作.
• 在多阵列的memristor系统上实现非神经形态计算,将像素对像素的逻辑转换为并行操作.
• 利用硬件实现的计算机集成制造用于实验验证.
• 设计了一个四层网络,用于高并行性小物体检测.

主要成果:

• 在IC制造和医疗图像分析中成功应用形态操作来检测缺陷.
• 在能源效率方面取得了显著的改进:比CPU高358倍,比GPU高32倍.
• 展示了使用memristors将低平行度的像素计算转换为高平行度的操作.

结论:

• 拟议的基于memristor的形态操作系统为苛刻的图像处理任务提供了高能效的解决方案.
• 这种新的架构克服了传统硬件对于缺陷分析等应用程序的局限性.
• 该系统显示了在科学和工业图像分析中推进硬件加速的巨大潜力.