文献

J-GLOBAL ID：202002234721617294   整理番号：20A1863855

3D IC上のニューロモルフィック計算システムのためのメムリスティブクロスバマッピング【JST・京大機械翻訳】

Memristive Crossbar Mapping for Neuromorphic Computing Systems on 3D IC

著者 (4件)： Xu Qi (University of Science and Technology of China, Hefei, China) ,  Chen Song (University of Science and Technology of China, Hefei, China) ,  Yu Bei (The Chinese University of Hong Kong, Hong Kong, China) ,  Wu Feng (University of Science and Technology of China, Hefei, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： GLSVLSI ’18  ページ： 451-454  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 近年,メムリスティブクロスバーに基づく神経形態学的コンピューティングシステムは,ニューラルネットワークの加速を可能にする有望な解決策を提供した。一方,現実的応用で使用されるニューラルネットワークの大部分は,しばしばスパースである。このようなスパースニューラルネットワークが単一メムリスティブクロスバーに直接実装されるならば,それは非効率的なハードウェア実現をもたらす。本研究では,クロスバー利用と設計コストの両方を考慮して,神経形態学的コンピューティングシステムのための3Dフロアプラニングフレームワークである3D-FNCを提案した。3D-FNC群ニューロンは,より一般的なニューロンを1つのクラスタに接続し,クラスタの最適数はL-方法によって決定される。その結果,ニューラルネットワークの接続は,メムリスティブクロスバーまたは離散シナプスに効果的にマッピングできる。最後に,面積とワイヤ長コストを削減するために,メムリスタブクロスバーとニューロンのための3Dフロアプラニングを開発した。実験結果は,3D-FNCが最先端技術と比較して,高ハードウェア効率的設計を達成できることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *計算機システム ,  ニューロン ,  ニューラルネットワーク ,  シナプス ,  クラスタ ,  ハードウェア ,  *三次元
準シソーラス用語： PaaS ,  神経形態学 , 【Automatic Indexing@JST】

著者キーワード (4件)： 3D oor計画 ,  階層的クラスタリング ,  メムリスティブクロスバー ,  神経形態計算

分類 (2件)： 半導体集積回路  (NC03162T) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 3D ,  IC ,  計算システム