完全以硬件为导向的物理储库计算使用3D垂直电阻切换内存与不同的底部电极
Jihee Park1, Gimun Kim1, Sungjun Kim1
1Division of Electronics and Electrical Engineering, Dongguk University, Seoul 04620, South Korea. sungjun@dongguk.edu.
Materials horizons
|May 2, 2025
概括
本研究介绍了一种使用垂直电阻随机访问存储器 (VRRAM) 的集成储存器计算 (RC) 系统. 这种硬件高效的设计在处理时间模式和预测非线性系统方面表现出色.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机科学 计算机科学
- 神经形态工程的神经形态工程
背景情况:
- 储水库计算 (RC) 提供了使用固定随机网络的强大机器学习方法.
- 当前的RC实现通常需要多个设备和复杂的制造.
- 集成储存器和读取功能对于高效的神经形态系统至关重要.
研究的目的:
- 开发一个完全集成的水库计算系统.
- 为了利用垂直电阻随机访问存储器 (VRRAM),用于储存器和读取层.
- 证明时间数据和非线性系统预测的硬件高效处理.
主要方法:
- 一个垂直堆叠的Ta/Ta2O5/HfO2/W和TiN VRRAM结构被设计和制造.
- 挥发性VRRAM被用作物理储存器,利用色的内存和非线性.
- 非挥发性VRRAM作为读取网络,使用多层存储和线性.
- 进行了神经模拟模拟来评估性能.
主要成果:
- 集成的VRRAM系统在模式识别方面实现了超过93.14%的准确性,模仿生物突触.
- 循环RC结构在时间模式处理方面表现出强的表现.
- 波形分类实现了NRMSE的0.2123,Hénon地图预测产生了NRMSE的0.2377.
结论:
- 拟议的基于VRRAM的RC系统为神经形态计算提供了一个硬件效率高的解决方案.
- 这种架构有效地处理时间依赖性,并预测非线性动态系统.
- 在VRRAM中整合短期内存功能是推进预测应用程序的关键.
