NeuSpin：面向绿色 AI 的基于自旋电子学的可靠边缘神经形态系统设计
新兴技术
2024-01-15 v1 人工智能
机器学习
神经与进化计算
摘要
用于个性化医疗保健的物联网和智能可穿戴设备将需要存储和计算日益增长的海量数据。这些设备的关键要求是超低功耗、高处理能力、低成本自主性，以及实现边缘侧绿色 AI 的可靠性和准确性。人工智能模型，尤其是贝叶斯神经网络，是资源密集型的，并且由于内存墙问题而在传统计算架构中面临挑战。基于新兴阻变存储器的存内计算通过将存储块与计算单元结合以实现更高效率和更低功耗，提供了一种解决方案。然而，由于工艺变异和制造缺陷，在 CIM 硬件上实现 BayNNs，特别是采用自旋电子学技术时，面临着技术挑战。NeuSPIN 项目旨在通过全栈软硬件协同设计应对这些挑战，开发新颖的算法与电路设计方法，以增强基于自旋电子学的 CIM 平台上 BayNNs 的性能、能效和鲁棒性。
引用
@article{arxiv.2401.06195,
title = {NeuSpin: Design of a Reliable Edge Neuromorphic System Based on Spintronics for Green AI},
author = {Soyed Tuhin Ahmed and Kamal Danouchi and Guillaume Prenat and Lorena Anghel and Mehdi B. Tahoori},
journal= {arXiv preprint arXiv:2401.06195},
year = {2024}
}