Гибридная система управления мемристивными массивами: разработка верхнеуровневой схемы и перспективы реализации

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Предложена архитектура управления мемристивными массивами, которая позволяет работать с пассивными кроссбар-структурами, что существенно повышает плотность компоновки элементов и снижает технологическую сложность производства. Описаны основные функциональные блоки системы.

Полный текст

Доступ закрыт

Об авторах

А. Токарев

МИРЭА – Технологический университет (РТУ МИРЭА)

Автор, ответственный за переписку.
Email: santokar5@gmail.com
Россия

Список литературы

  1. Yadav D.N., Thangkhiew P.L., Chakraborty S., et al. Efficient grouping approach for fault tolerant weight mapping in memristive crossbar array // Memories – Materials, Devices, Circuits and Systems 4 (2023) 100045 https://doi.org/10.1016/ j.memori.2023.100045.
  2. Zhang B., Uysal N., Fan D., Ewetz R., et al. Handling Stuck-at-Fault Defects Using Matrix Transformation for Robust Inference of DNNs // IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. Vol. 39. No. 10. PP. 2448–2460. Oct. 2020, doi: 10.1109/TCAD.2019.2944582.
  3. Xu Y., Jin S., Wang Y., et al. Aggressive Fault Tolerance for Memristor Crossbar-Based Neural Network Accelerators by Operational Unit Level Weight Mapping // IEEE Access. Vol. 9. PP. 102828–102834, 2021, doi: 10.1109/ACCESS.2021.3097724.
  4. Xia L., Huangfu W., Tang T., et al. Stuck-at Fault Tolerance in RRAM Computing Systems // IEEE Journal on Emerging and Selected Topics in Circuits and Systems. Vol. 8. No. 1. PP. 102–115. March 2018, doi: 10.1109/JETCAS.2017.2776980.
  5. Roy K., et al. Towards spike-based machine intelligence with neuromorphic computing // Nature 13 575. 607-617 (2019). http://doi.org/10.1038/s41586-019-1677-2.
  6. Xiaoyang Liu & Zhigang Zeng. Memristor crossbar architectures for implementing deep neural networks // Springer Nature Link. 2022. Vol. 8. PP. 787–802.
  7. Yao P., Wu H., Gao B., et al. Fully hardware-implemented memristor convolutional neural network // Nature. 2020. Vol. 577. PP. 641–646, 641–646 (2020). http://doi.org/10.1038/s41586-020-1942-4.
  8. Zhang J., Cheng L., Zeng H., Song Y. Thermal Management in Memristor-Based Crossbar Arrays for High-Density Nonvolatile Memories // IEEE Transactions on Electron Devices. Vol. 65. Is. 1. Jan. 2018.
  9. Deen M.J. RF noise models of MOSFETs- A review // NSTI-Nanotech. 2004. Vol. 2.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Верхнеуровневая функциональная схема взаимодействия с кроссбаром

Скачать (242KB)
Метаданные

© Токарев А., 2025