Российские нанотехнологии, 2023, T. 18, № 6, стр. 823-831
Алгоритм записи синаптических весов в мемристорную матрицу кроссбар-элементов
И. И. Яшков 1, 2, И. А. Суражевский 1, *, В. А. Демин 1
1 Национальный исследовательский центр “Курчатовский институт”
Москва, Россия
2 Московский государственный университет им. М.В. Ломоносова
Москва, Россия
* E-mail: isurazhevsky@yandex.ru
Поступила в редакцию 10.11.2022
После доработки 30.11.2022
Принята к публикации 30.11.2022
Полные тексты статей выпуска доступны в ознакомительном режиме только авторизованным пользователям.
Аннотация
Создание аппаратных систем ускорения нейросетевых алгоритмов с мемристорными синаптическими связями (наноструктурированными элементами электрически перезаписываемой энергонезависимой памяти) является перспективным направлением разработки средств решения задач искусственного интеллекта с точки зрения значительного снижения энергопотребления при одновременном повышении производительности вычислений. Однако при все большем увеличении настраиваемых параметров в нейросетевых алгоритмах возникает задача их переноса в нейроморфную систему “за разумное время”. В то же время сами мемристорные структуры обладают некоторым разбросом своих параметров (напряжение переключения, диапазона изменяемых сопротивлений), что вызывает определенные трудности при работе с ними. Представлен алгоритм записи синаптических весов, ориентированный на баланс между точностью и скоростью работы, а также устойчив к разбросам параметров мемристорных структур. Показана модельная реализация формального нейросетевого алгоритма с перенесенными в мемристорный базис предобученными параметрами, показано влияние разбросов характеристик мемристоров и сопротивлений проводников на процесс записи весов и аппаратную работу нейросети.
Полные тексты статей выпуска доступны в ознакомительном режиме только авторизованным пользователям.
Список литературы
Lecun Y., Bottou L., Bengio Y., Ha P. // Proc. IEEE. 1998. P. 1.
Simonyan K., Zisserman A. // 3rd Int. Conf. Learn. Represent. ICLR 2015 – Conf. Track Proc. 2015. P. 1. https://doi.org/10.48550/arXiv.1409.1556
Brown T.B., Kaplan J., Ryder N. et al. // arXiv:2005.14165.2020. https://doi.org/10.48550/arXiv.2005.14165
Wan W., Kubendran R., Schaefer C. et al. // Nature. 2022. V. 608. P. 504. https://doi.org/10.1038/s41586-022-04992-8
Shchanikov S., Zuev A., Bordanov I. et al. // Chaos, Solitons and Fractals. 2021. V. 142. P. 110504. https://doi.org/10.1016/j.chaos.2020.110504
Tao Y., Ding W., Wang Z. et al. // Appl. Surf. Sci. 2018. V. 440. P. 107.
Teplov G., Zhevnenko D., Meshchaninov F. et al. // Micromachines. 2022. V. 13. P. 1691. https://doi.org/10.3390/mi13101691
Yao P., Wu H., Gao B. et al. // Nat. Commun. 2017. V. 8. P. 15199. https://doi.org/10.1038/ncomms15199
Nikiruy K.E., Emelyanov A.V., Demin V.A. et al. // Tech. Phys. Lett. 2018. V. 44. P. 416. https://doi.org/10.1134/S106378501805022X
Akopyan F., Sawada J., Cassidy A. et al. // IEEE Trans. Comput. Des. Integr. Circuits Syst. 2015. V. 34. P. 1537. https://doi.org/10.1109/TCAD.2015.2474396
Deng L., Wang G., Li G. et al. // IEEE J. Solid-State Circuits. 2020. V. 55. P. 2228.
Davies M., Srinivasa N., Lin T.H. et al. // IEEE Micro. 2018. V. 38. P. 82. https://doi.org/10.1109/MM.2018.112130359
Emelyanov A.V., Nikiruy K.E., Serenko A.V. et al. // Nanotechnology. 2020. V. 31. P. 045201.
Martyshov M.N., Emelyanov A.V., Demin V.A. et al. // Phys. Rev. Appl. 2020. V. 14. P. 1. https://doi.org/10.1103/PhysRevApplied.14.034016
Zidan M.A., Fahmy H.A.H., Hussain M.M., Salama K.N. // Microelectronics J. 2013. V. 44. P. 176. https://doi.org/10.1016/j.mejo.2012.10.001
Demin V.A., Surazhevsky I.A., Emelyanov A.V. et al. // J. Comput. Electron. 2020. V. 19. P. 565. https://doi.org/10.1007/s10825-020-01470-0
Kvatinsky S., Ramadan M., Friedman E.G., Kolodny A. // IEEE Trans. Circuits Syst. II Express Briefs. 2015. V. 62. P. 786. https://doi.org/10.1109/TCSII.2015.2433536
Ilyasov A.I., Nikiruy K.E., Emelyanov A.V. et al. // Nanobiotechnology Reports. 2022. V. 17. P. 118.
Surazhevsky I.A., Demin V.A., Ilyasov A.I. et al. // Chaos, Solitons and Fractals. 2021. V. 146. P. 110890. https://doi.org/10.1016/j.chaos.2021.110890
Yao P., Wu H., Gao B. et al. // Nature. 2020. V. 577. P. 641. https://doi.org/10.1038/s41586-020-1942-4
Дополнительные материалы отсутствуют.
Инструменты
Российские нанотехнологии