相关实验视频
Updated: Jul 18, 2026
11:01
A Computer-assisted Multi-electrode Patch-clamp System
Published on: October 18, 2013
13.8K
一个基于ECRAM的多位模拟神经形态系统,具有高精度的当前读数,达到97.3%的推理准确度.
IEEE transactions on biomedical circuits and systems
|September 23, 2024
概括
这项研究引入了一个模拟神经形态系统,用于电化学随机访问存储器 (ECRAM) 的精密电流读出电路. 该系统表现出增强的线性,对称性和耐久性,用于高效的芯片上人工智能训练和推理.
科学领域:
- 神经形态工程的神经形态工程
- 固态电路的使用方法
- 人工智能 硬件 硬件
背景情况:
- 神经形态系统旨在模仿人类大脑的效率和结构.
- 像电化学随机访问内存 (ECRAM) 这样的模拟内存设备为低功耗AI硬件提供了潜力.
- 在模拟神经形态电路中实现高精度,线性和耐久性仍然存在挑战.
研究的目的:
- 提出和验证一个使用高精度电流读出电路的模拟神经形态系统.
- 在多位非易失性ECRAM中增强对称性,线性和耐久性.
- 为了实现有效的芯片上培训和AI应用的推理.
主要方法:
- 一个250nmCMOS神经形芯片的开发,其中包括一个32x32 ECRAM突触阵列.
- 激活模块和矩阵处理单元的集成,用于管理模拟路径.
- 实现基于反的电流缩放,以实现精确的输出传感.
主要成果:
- 在ECRAM阵列中的100个级别实现了线性和对称的重量更新.
- 证明了准确的读取操作,输出错误率低于每列2.59%.
- 在MNIST数据集上获得了97.3%的推断准确度,与软件性能密切匹配.
结论:
- 拟议的模拟神经形态系统有效地提高了对AI任务的ECRAM性能.
- 高精度的电流读出电路对于实现线性,对称性和耐久性至关重要.
- 这项工作是迈向高效,芯片上人工智能硬件的重要一步.
