Key points are not available for this paper at this time.
Neurale Netzwerkschaltungen und -architekturen werden derzeit aktiv für Anwendungen in der künstlichen Intelligenz und im maschinellen Lernen erforscht. Ihre physikalischen Leistungsmetriken (Fläche, Zeit und Energie) werden geschätzt. Verschiedene Arten von neuronalen Netzwerken (künstlich, zellular, spiking und oszillatorisch) werden mit mehreren CMOS- und Beyond-CMOS-Geräten (spintronisch, ferroelektrisch und resistive Speicher) implementiert. Eine konsistente und transparente Methodik wird vorgeschlagen und verwendet, um dieses umfassende Set von Optionen über mehrere Anwendungsfälle hinweg zu bewerten. Vielversprechende Kombinationen von Architekturen und Geräten werden identifiziert.
Nikonov et al. (Wed,) haben diese Frage untersucht.