使用单个感知操作实现具有电阻式随机存储器的三值权重
摘要：将低精度神经网络与新兴存储器（如电阻式随机存取存储器RRAM）的系统设计纳入其中，这对于降低人工智能能量消耗具有重要意义。为了在这样的系统中实现最大能量效率，逻辑和存储器应尽可能密集地集成。在这项工作中，我们专注于三值神经网络的情况，其中突触权重采用三值。我们提出了一种采用预充电感应放大器的双晶体管/双电阻存储器架构，重量值可以在单次感应操作中提取出来。基于在混合130纳米CMOS / RRAM芯片上对该感应放大器的实验测量，我们表明这种技术在低供应电压下特别适用，并且对进程，电压和温度变化具有韧性。我们对我们的方案进行了位误差率表征。我们通过针对CIFAR-10图像识别任务的神经网络模拟显示，与通常用于推断硬件的二值神经网络相比，采用三值神经网络显着提高了神经网络性能。我们最后证明神经网络对我们方案中观察到的位错误类型具有免疫性，因此可以在无需错误修正的情况下使用。
作者：Axel Laborieux, Marc Bocquet, Tifenn Hirtzlin, Jacques-Olivier Klein, Etienne Nowak, Elisa Vianello, Jean-Michel Portal and Damien Querlioz
论文ID：2007.14234
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2020-10-15