作品总结
《新兴器件、电路和系统的智能芯片专题(Selected Topics in Intelligent Chips with Emerging Devices, Circuits and Systems)》
忆阻器为电路设计人员克服可扩展性的限制以及构建超越摩尔定律的系统提供了新的思维方向。 在过去的十年中,在使用忆阻器通过模拟计算、内存计算和随机计算方法构建神经网络方面出现了大量的创新。 智能集成电路的出现是集成电路应用未来的必然。 本书提供了作为 IEEE 电路与系统季节性学校的一部分进行的一系列演讲,重点关注芯片智能:集成电路的明天。 书中讨论的技术主题包括: 混沌边缘理论解释忆阻器电路中的复杂现象 模拟忆阻计算 通过设备上学习设计节能的新皮质系统 集成传感器 基于 NVM 的神经形态计算 IC 的挑战和最新进展 内存计算( 用于深度学习)使用尖峰神经网络进行深度学习 用于设计集成电路和系统的计算智能 神经芯片设计、建模和应用 本书提供了作为 IEEE 电路和系统季节性学校的一部分进行的一系列演讲,重点关注智能 芯片:集成电路的明天。本书中讨论的技术主题包括:混沌边缘理论解释忆阻器电路中的复杂现象模拟忆阻计算设计具有设备端学习功能的节能新皮质系统集成传感器基于 NVM 的神经形态计算 IC 的挑战和最新进展内存计算(用于深度学习)使用尖峰神经网络进行深度学习用于设计集成电路和系统的计算智能神经芯片设计、建模和应用本书重点关注人工智能芯片设计及其实现。 讨论的重点是:模拟人工智能会克服数字人工智能的实施吗? AI模拟芯片的瓶颈是什么? 以及人工智能芯片设计者需要做什么才能取得成功?在讨论模拟人工智能是否会克服数字人工智能实现时,提出了以下关键因素:(1) 不同位表示形式的分辨率,(2) 特别是边缘应用的应用,(3) 缩放和噪声,以及 ( 4)与大脑结构的比较。让我们指出AI模拟芯片的瓶颈? 可变性、分辨率、功耗、器件可变性、学习、电路、软硬件协同设计、信号完整性和传感器集成是关键瓶颈点。设计 AI 芯片时需要考虑的主要三个方面 1. 制造-存储器件、不同模型的集成 2. 设计:在设计方面,AI 芯片设计者应该超越 Crossbar 结构,重点关注训练电路和 良好的放大器设计。 3. 教育:PDK、经典模拟/混合信号设计、MOOC -IEEE 以及超越编码
0条评论