Key points are not available for this paper at this time.
Zusammenfassung: Neuro-inspirierte Berechnungen unter Verwendung aufkommender Memristoren spielen eine zunehmend bedeutende Rolle für die Realisierung von künstlicher Intelligenz und haben daher im Zeitalter der Big Data weitgehendes Interesse geweckt. Dank der Reife der Technologie und der Überlegenheit der Geräteleistung ist der Phasenwechsel-RAM (PCRAM) ein vielversprechender Kandidat sowohl für nichtflüchtige Speicher als auch für neuro-inspirierte Berechnungen. In letzter Zeit wurden viele Anstrengungen unternommen, um das biologische Verhalten unter Verwendung von PCRAM zu erreichen und den damit verbundenen Arbeitsmechanismus zu klären. Um die Geräteleistungen weiter zu verbessern, ist es hilfreich und dringend, die PCRAM-Lösung für neuro-inspirierte Berechnungen zusammenzufassen und zu diskutieren. In diesem Papier werden Grundlagen, Prinzipien, aktuelle Fortschritte, bestehende Herausforderungen und gängige Lösungen überprüft, und ein kurzer Ausblick wird hervorgehoben und vorgestellt, mit der Erwartung, zukünftige Richtungen darzulegen.
Wang et al. (Mittwoch) untersuchten diese Frage.