Alapfogalmak
Synaptogenは、実際のデバイスの複雑な統計的特性を再現する高速な生成モデリングアプローチを提供し、アナログ回路シミュレーションにおける読み取りと書き込みのスループットを大幅に向上させる。
Kivonat
本研究では、抵抗性メモリ(ReRAM)デバイスの高速な生成モデリングアプローチを提案している。このモデルは、実際のデバイスの測定データに基づいて訓練され、デバイス間(D2D)およびサイクル間(C2C)の変動を正確に捉えることができる。
モデリングのアプローチは以下の通り:
- 各スイッチングサイクルから重要な特徴(抵抗値、電圧しきい値)を抽出し、それらの統計的特性を学習する
- 自己回帰型の確率過程(VAR)を使ってサイクル間の相関を再現
- 非線形変換を適用して、C2CおよびD2Dの変動を正確にモデル化
- 抵抗状態の非線形I-V特性を、あらかじめ定義された限界関数の線形組み合わせでモデル化
このモデルをVerilog-Aで実装し、既存のコンパクトモデルと比較したところ、読み取りと書き込みの両方で大幅な高速化が実現できた。特に、256x256の抵抗性クロスバー配列の書き込みでは13 OPS、1024x1024の読み出しでは60万OPSを達成した。これは、従来のモデルでは実現できなかった大規模なニューロモーフィック回路シミュレーションを可能にする。
Statisztikák
512x32の1T1R ReRAMクロスバー配列から6,000サイクルの512デバイスのデータを収集
最大書き込み速度: 256x256クロスバーで0.3 OPS
最大読み出し速度: 1024x1024クロスバーで60万 OPS
Idézetek
"Synaptogenは、実際のデバイスの複雑な統計的特性を再現する高速な生成モデリングアプローチを提供する。"
"このモデルをVerilog-Aで実装し、既存のコンパクトモデルと比較したところ、読み取りと書き込みの両方で大幅な高速化が実現できた。"