Calcul approché basé sur le memristor

L'arrêt de la loi de Moore a limité les améliorations supplémentaires en efficacité énergétique. Ces dernières années, la réalisation physique du memristor a démontré une solution prometteuse pour la réalisation matérielle ultra-intégrée des réseaux de neurones, qui peut être exploitée pour de meilleures performances et des gains d'efficacité énergétique. Dans ce travail, nous introduisons un cadre économe en énergie pour les calculs approchés en tirant parti des réseaux de neurones multicouches basés sur le memristor. Une unité de calcul approché programmable basée sur le memristor (Memristor ACU) est d'abord introduite pour accélérer le calcul approché, et un cadre de calcul approché basé sur le memristor avec évolutivité est proposé sur la base de la Memristor ACU. Nous présentons également un algorithme de configuration des paramètres de la Memristor ACU et un circuit de réglage de l'état de rétroaction pour programmer efficacement la Memristor ACU. Nos résultats de simulation montrent que l'erreur maximale de la Memristor ACU pour 6 fonctions complexes courantes est seulement de 1,87 %, tandis que le circuit de réglage de l'état peut atteindre une précision de 12 bits. La mise en œuvre du modèle HMAX sur notre cadre proposed de calcul approché basé sur le memristor démontre des améliorations de l'efficacité énergétique de 22× par rapport à sa contrepartie d'implémentation numérique pure.