模拟人工智能计算
随着摩尔定律的终结和登纳德的扩展已经碰壁,数字加速器将很快不足以有效地执行高要求的工作负载。这些加速器功率大,面积小。
本研究提出了一种真正可扩展和可重构的近内存模拟加速器芯片,用于节能计算。
最近批准了一个STAR- MHRD项目,用于开发一种手持装置,以电探测方式检测汞。纳米传感器与人工智能和机器学习集成的新方法正在被追求。······
该团队利用量子点和金属纳米颗粒与DNA进行分析物的具体检测·····
下一代计算架构需要将深度学习、机器学习和人工智能嵌入到计算效率高、能耗低的硬件和设备上。这是对计算能力不断增长的需求所必需的,再加上数据爆炸,正在推动传统计算架构的边界······
神经形态架构受到神经生物学系统的启发,具有内存计算、随机计算和大规模网络扇出等特点。它们是并行和分布式的架构,随着自适应学习表现出低精度·······
由于电池资源有限,高能效和低计算/内存占用是关键的设计要求。在这方面,唤醒系统发挥着不可或缺的作用,只有当检测到某些环境条件时,才会触发计算和功耗密集型模块。Memtransistor crossbar array在神经形态计算和学习方面显示出巨大的潜力·····
如图所示,这些非易失性存储器按交叉条形排列,可以利用基尔霍夫电流定律(KCL)在单时间步内完成阵列大小在内存中的MVM和加法运算。memtransistor crossbar array的每一列表示单个模板向量,其行数等于存储为memductance (memtransistor器件的电导)·····的特征数