文献

J-GLOBAL ID：202202223531719186   整理番号：22A0740462

メモリ内記憶型深層学習システムのモデリングおよびシミュレーション:現在の努力の概観【JST・京大機械翻訳】

Modeling and simulating in-memory memristive deep learning systems: An overview of current efforts

著者 (3件)： Lammie Corey (College of Science and Engineering, James Cook University, Queensland 4814, Australia) ,  Xiang Wei (School of Engineering and Mathematical Sciences, La Trobe University, Victoria 3086, Australia) ,  Rahimi Azghadi Mostafa (College of Science and Engineering, James Cook University, Queensland 4814, Australia)
資料名： Array  (Array)
巻： 13  ページ： Null  発行年： 2022年 
JST資料番号： W5517A  ISSN： 2590-0056  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深層学習(DL)システムは,多くの挑戦的な工学応用において,非並列性能を示した。これらのシステムの複雑性が必然的に増加するので,それらは処理能力を増加させ,大量の電力を消費し,これはモノのインターネット(IoT)エッジデバイスのような資源制約プロセッサでは容易に利用できない。DL,すなわち,新しいメモリデバイスを用いた同じ物理的位置での反復演算の計算と記憶を実行する,DLのためのメモリスタディックコンピューティング(IMC)システムは,従来のDLアーキテクチャの性能を高めるために使用できる。電力消費と待ち時間を大幅に削減する。しかし,Resisive Rank-Access Remice(RRAM)と位相-Changeメモリ(PCM)のようなメムリスティブデバイスは,少量で製作するのは困難で,コスト抑制的であり,そして,説明しなければならない様々なデバイス非理想性の傾向である。結果的に,回路レベル実現の前にMDLSをシミュレートするのに使用されるシミュレーションフレームワークの人気は,急増している。本論文では,大規模MDLSをモデル化するために用いられる既存のシミュレーションフレームワークと関連ツールの調査を提供した。さらに,近代化オープンソースシミュレーションフレームワークの直接性能比較を行い,将来のモデリングとシミュレーション戦略とアプローチへの洞察を与えた。この処理が大きなコンピュータと電気工学コミュニティに有益であることを期待し,読者がMDLS開発のための利用可能なツールと技術をよりよく理解するのを助けることができる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *記憶装置 ,  *シミュレーション ,  原価 ,  電力 ,  電力消費 ,  演算 ,  計算 ,  *モデリング ,  位相 ,  待ち時間 ,  演算プロセッサ ,  計算機アーキテクチャ ,  コンピュータ ,  *機械学習
準シソーラス用語： モノのインターネット ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： デバイスモデリング ,  回路シミュレーション ,  メモリスタ ,  メモリ内コンピューティング ,  深層学習

分類 (5件)： 半導体集積回路  (NC03162T) ,  ニューロコンピュータ  (JC06010Q) ,  ディジタル計算機ハードウェア一般  (JC04010C) ,  固体デバイス製造技術一般  (NC03030V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 深層学習 ,  モデリング ,  シミュレーション