面向空间应用的忆阻器神经网络加速器：通过时间平均与 SIRENs 增强性能
系统与控制
2025-09-08 v1 人工智能
硬件体系结构
系统与控制
摘要
忆阻器是一项新兴技术，能够实现具有高能效和抗辐射鲁棒性的 AI 加速器——这些特性对于在航天器上部署 AI 至关重要。然而，空间应用要求可靠且精确的计算，而忆阻器件存在非理想特性，如器件变异性、电导漂移和器件故障。因此，将神经网络 (NNs) 移植到忆阻器件上通常面临性能严重下降的挑战。在这项工作中，我们通过仿真表明，基于忆阻器的 NNs 在星载任务（如导航与控制和小行星大地测量）上达到了具有竞争力的性能水平。通过位切片、NN 层的时间平均和周期性激活函数，我们使用 RRAM 器件将两项任务的初始结果分别从约 提升至 ，以及从 提升至 ，接近当前最优水平（分别为 和 ）。我们的结果展示了忆阻器在星载空间应用中的潜力，我们相信未来的技术和 NN 改进将进一步缩小性能差距，从而充分发挥忆阻器的优势。
引用
@article{arxiv.2509.04506,
title = {Memristor-Based Neural Network Accelerators for Space Applications: Enhancing Performance with Temporal Averaging and SIRENs},
author = {Zacharia A. Rudge and Dominik Dold and Moritz Fieback and Dario Izzo and Said Hamdioui},
journal= {arXiv preprint arXiv:2509.04506},
year = {2025}
}
备注
21 pages, IAA acta astronautica. arXiv admin note: text overlap with arXiv:2509.02369