基于垂直记忆阵列的材料内和组合优化
Soo Hyung Lee1, Sunwoo Cheong1, Jea Min Cho1
1Department of Materials Science and Engineering and Inter-University Semiconductor Research Center, College of Engineering, Seoul National University, Seoul, 08826, Republic of Korea.
Advanced materials (Deerfield Beach, Fla.)
|August 28, 2024
概括
这项研究引入了使用memristive交叉条数组 (CBAs) 进行高效的组合优化的"in-materia annealing". 这种新的方法利用设备物理来减少软件微调,在复杂的问题上取得了显著的结果.
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
- 计算科学 计算科学
背景情况:
- 记忆式交叉阵列 (CBA) 为优化任务提供了面积和能源效率.
- 传统的方法需要广泛的软件微调火过程.
研究的目的:
- 引入和验证一个应用程序.
- 在材料中化化.
- 使用记忆式CBA进行组合优化方法.
- 通过物理参数来证明对回火配置的控制.
- 为了减少解决复杂优化问题的软件负担.
主要方法:
- 在垂直堆叠的memristive CBA中利用层间干扰进行回火.
- 将组合优化问题映射到CBA配置层.
- 在噪声层中生成指数级衰变的化配置文件.
- 通过调整合规电流,读取电压和读取脉冲宽度来控制回火配置.
主要成果:
- 成功生成可控制的和单元单个的化配置文件.
- 证明了丰富的噪声源,用于有效解决问题.
- 在Max-Cut和加权的Max-Cut问题上的实验和模拟研究中取得了显著的结果.
结论:
- 这是一个很棒的节目,这是一个很棒的节目.
- 在材料中化化.
- 这种方法提供了一种高效的,基于硬件的方法来进行组合优化.
- 这种技术显著减少了对软件微调的依赖.
- 记忆式CBA可以有效地用于复杂的优化任务,软件干预最小.
