融合忆阻器和数字内存计算处理助力高效边缘计算
人工智能（AI）边缘设备更倾向于采用高容量非易失性内存计算（CIM）来实现高能效和足够准确的快速唤醒响应。大多数先前的工作要么依据基于忆阻器的CIM，要么依据数字静态随机存取存储器（SRAM）的CIM。但前者耐用性有限并出现精度损失且不支持训练，而后者受限于大面积制造需求和易失性存储。
研究组报道了一种使用忆阻器-SRAM CIM融合方案的AI边缘处理器，可同时利用数字SRAM CIM的高精度和电阻式随机存取存储器忆阻器CIM的高能效与存储密度。这也使自适应本地训练能够适应个性化特征和用户环境。
该融合处理器实现了高CIM容量、短唤醒-响应延迟（392微秒）、高峰值能效（77.64 TOPS/W）和稳健的精度（精度损失<0.5%）。该研究表明，忆阻器技术已经超越了实验室开发阶段，现已具备用于AI边缘处理器的可制造性。
相关论文信息：
https://doi.org/10.1126/science.adf5538
版权声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
