PCM-trace：利用相变材料电阻漂移实现可扩展突触资格迹
新兴技术
2021-02-17 v2
摘要
将混合信号神经形态电路的优势与新兴存储技术相结合的脉冲神经网络专用硬件实现，有潜力实现超低功耗的普适感官处理。为使这些系统具备额外灵活性及学习能力以解决特定任务，开发合适的片上学习机制十分重要。近来，提出了一类新的三因子基于脉冲的学习规则，可解决时间信用分配问题，并在复杂任务上近似误差反向传播算法。然而，这些规则在混合 CMOS/忆阻器架构上的高效实现仍是一个开放挑战。在此，我们提出一种称为 PCM-trace 的新型神经形态构建模块，其利用相变材料的漂移行为来实现持久存在的资格迹——三因子学习规则的关键要素。我们展示了所提方法相比现有方案将面积效率提升了 10 倍以上，并展示了由器件测量实验数据支持的技术上可行的学习算法。
引用
@article{arxiv.2102.07260,
title = {PCM-trace: Scalable Synaptic Eligibility Traces with Resistivity Drift of Phase-Change Materials},
author = {Yigit Demirag and Filippo Moro and Thomas Dalgaty and Gabriele Navarro and Charlotte Frenkel and Giacomo Indiveri and Elisa Vianello and Melika Payvand},
journal= {arXiv preprint arXiv:2102.07260},
year = {2021}
}
备注
Typos are fixed