适应RRAM系统的灵活和快速数字双胞胎用于训练弹性神经网络
Markus Fritscher1,2, Simranjeet Singh3, Tommaso Rizzi4
1IHP - Leibniz Institut für innovative Mikroelektronik, Frankfurt (Oder), Germany. fritscher@ihp-microelectronics.com.
Scientific reports
|October 10, 2024
概括
本研究介绍了对电阻随机存储器 (RRAM) 设备的数字双胞胎建模框架. 它可以在系统层面快速评估新的RRAM材料和设计,加速研发.
科学领域:
- 材料科学 材料科学 材料科学
- 电气工程 电气工程
- 计算机科学 计算机科学
背景情况:
- 电阻随机访问存储器 (RRAM) 提供非挥发性和能源效率,推动研究用于模拟memristor的新型材料堆.
- 设计和测试新的RRAM设备是耗时的,系统级验证通常发生在开发周期的晚期.
研究的目的:
- 解决快速建模框架的需求,使RRAM设备的早期系统级评估成为可能.
- 为材料和设备研究人员提供一个"按"解决方案来评估设备的有效性.
主要方法:
- 提出了一个类似于数字双胞胎 (DT) 的建模框架,可以从测量数据中自动生成RRAM设备模型.
- 将外围电路集成到模型中,以准确地估计能源和性能.
- 实现了GPU加速框架,以实现高效的DT生成和使用.
主要成果:
- 在多种RRAM技术和用例中成功展示了DT生成和应用.
- 使用两个不同的制造设备的测量数据验证了框架的有效性.
- 展示了在神经网络中的电心图 (ECG) 处理与故障意识训练 (FAT) 的应用.
结论:
- 开发的DT建模框架显著加快了系统层面对RRAM设备的评估.
- 该框架的适应性和准确性通过各种RRAM技术和现实应用得到验证.
- 这种方法有助于研究人员在早期设备设计阶段做出明智的决策,优化性能和能源效率.
