面向 SNN 的 ReRAM 基于 CIM 架构中的可靠性问题: 综述
神经与进化计算
2024-12-17 v1 新兴技术
摘要
深度学习模型的日益复杂和能源需求凸显了传统计算架构的局限性，尤其是对于资源受限的边缘设备。脉冲神经网络（SNN）通过模仿生物神经网络，实现通过事件驱动处理和时间编码的能源高效计算，提供了具有前景的替代方案。同时，阻导存储器（ReRAM）和计算存储（CIM）架构旨在克服 von Neumann 瓶颈，通过集成存储和计算。本综述探讨了 SNN 与 ReRAM 基于 CIM 架构的交叉，重点关注源于器件水平变异和操作错误的可靠性挑战。我们综述了 SNN 和 ReRAM 交叉阵列的基本原理，讨论了两种技术中固有的可靠性问题，并总结了现有解决方案以缓解这些挑战。
引用
@article{arxiv.2412.10389,
title = {The Reliability Issue in ReRam-based CIM Architecture for SNN: A Survey},
author = {Wei-Ting Chen},
journal= {arXiv preprint arXiv:2412.10389},
year = {2024}
}