久久精品无码免费不卡_美国一区二区_国产1级_国产一区二区综合_久久久久久久免费视频_夜色综合

<th id="tg6qv"></th>

網站首頁

關于吉倉

吉倉產品

吉倉新聞

客戶案例

聯系吉倉

全部新聞公司新聞產品新聞資料下載行業新聞

由賓夕法尼亞州立大學Saptarshi Das課題組--石墨烯憶阻突觸用于高精度神經形態計算

憶阻縱橫式架構正在演變為人工神經網絡強大的內存計算引擎。然而，最新的憶阻器提供的非易失性電導狀態數量有限，這是其硬件實現的一個問題，因為訓練過的權值必須四舍五入到最接近的電導狀態，這將引入誤差，從而極大地限制推理的準確性。此外，無法進行精確的權重更新會導致收斂問題和芯片上訓練速度變慢。在本文中，通過引入基于石墨烯的多級（> 16）和具有任意可編程電導狀態的非易失性憶阻突觸來規避這些挑戰。我們還展現出令人滿意的保留和編程耐力。最后，我們證明了石墨烯憶阻器可實現基于k-均值聚類的權重分配，與矢量矩陣乘法的均勻權重量化（對于任何人工神經網絡的重要組成部分）相比，它提供了更高的計算精度。

Fig. 1 石墨烯憶阻器的SET工藝。

Fig. 2 石墨烯憶阻器的內存級別，內存比率和內存保留。

Fig. 3 使用均勻分布和k均值聚類的權重分配。

Fig. 4 使用k均值聚類的基于石墨烯憶阻器的矢量矩陣乘法（VMM）。

相關研究成果于（2020年由賓夕法尼亞州立大學Saptarshi Das課題組，發表在Nature Communications (https://doi.org/10.1038/s41467-020-19203-z)上。原文：Graphene memristive synapses for high precision neuromorphic computing。

轉自《石墨烯雜志》公眾號



您的稱呼 :
聯系電話 :
您的郵箱 :
咨詢內容 :

公司新聞產品新聞行業新聞資料下載