PCM-追踪: 具有相变材料电阻漂移的可扩展突触可塑性痕迹
摘要：面向感知加工，将混合信号类神经形态电路的优势与新兴记忆技术相结合的封装式硬件实现具有潜在的超低功耗。为了赋予这些系统更多的灵活性和学习解决特定任务的能力，开发适当的芯片上学习机制非常重要。最近，提出了一种新型的三因子基于脉冲的学习规则，可以解决时间信用分配问题并在复杂任务中近似误差反向传播算法。然而，在混合CMOS/memristive架构上高效实现这些规则仍然是一个开放的挑战。在这里，我们提出了一种新的神经形态构建模块，称为PCM-trace，利用相变材料的漂移特性来实现长时间保持的资格追踪，这是三因子学习规则的关键组成部分。我们演示了所提出方法如何在面积效率上改进了超过10倍，并通过设备测量的实验数据展示了一种技术上可行的学习算法。
作者：Yigit Demirag, Filippo Moro, Thomas Dalgaty, Gabriele Navarro, Charlotte Frenkel, Giacomo Indiveri, Elisa Vianello, Melika Payvand
论文ID：2102.07260
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2021-02-17