基于$alpha$-IGZO纳米片和双层电阻存储器的超低功耗3D嵌入式卷积神经网络立方体
摘要：基于铟镓锌氧（α-IGZO）的纳米片晶体管和双层阻变存储器器件的三维嵌入式神经形态计算模块的性能评估及提出。我们成功制备了以Ta₂O₅和Al₂O₃为层的双层阻变随机存取存储器（RRAM）器件，并对其进行了表征和建模。利用RRAM和基于α-IGZO的嵌入式纳米片结构的紧凑模型，评估了具有8个垂直堆叠的α-IGZO基纳米片层和RRAM的神经形态应用的系统级性能。该模型考虑了均匀的位线（BL）、选通线（SL）和字线（WL）电阻的设计空间。最后，我们使用我们提出的8层堆叠纳米片嵌入式存储器进行了加权和操作的仿真，并评估了针对Fashion-MNIST和CIFAR-10数据识别的VGG-16卷积神经网络（CNN）的性能，其中在设备变化中使用了随机失活层，分别获得了92％和75％的准确率。
作者：Sunanda Thunder, Parthasarathi Pal, Yeong-Her Wang, Po-Tsang Huang
论文ID：2107.08178
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2022-05-01