Progresso recente em aceleradores baseados em memória analógica para aprendizado profundo

Nós revisamos o progresso recente no uso de dispositivos de memória analógica para construir aceleradores de hardware neuromórfico para aplicações de aprendizado profundo. Após uma visão geral do aprendizado profundo e das oportunidades de aplicação para aceleradores de hardware de redes neurais profundas (DNN), discutimos brevemente a área de pesquisa de aceleradores digitais personalizados para aprendizado profundo. Discutimos como os pontos fortes e fracos dos aceleradores baseados em memória analógica combinam bem com os pontos fracos e fortes dos aceleradores digitais, e tentamos identificar onde as oportunidades futuras de hardware podem ser encontradas. Revisamos a extensa, mas rapidamente desenvolvendo, literatura sobre o que seria necessário de um dispositivo de memória analógica para viabilizar tal acelerador DNN, e resumimos o progresso com vários candidatos de memória analógica, incluindo memória não volátil como RAM resistiva, memória de mudança de fase, dispositivos baseados em Li-ion, capacitores e outros dispositivos CMOS, bem como dispositivos e sistemas baseados em fotônica. Após revisar como os circuitos e sistemas recentes funcionam, concluímos com uma descrição dos próximos passos de pesquisa que serão necessários para avançar em direção à comercialização de aceleradores de hardware DNN viáveis baseados em memória analógica.