用于加速神经网络的矩阵向量乘法的双内存计算

内存计算 （IMC） 旨在通过在内存单元中执行计算来解决冯·诺依曼瓶颈。然而，传统的 IMC 方案只能部分解决这个问题，并且在执行模拟矩阵向量乘法 （MVM） 时会导致数模转换开销。在这里，我们开发了一个双 IMC 方案，这意味着神经网络的权重和输入都存储在内存数组中。该方案以完全内存中的方式执行 MVM作，无需数据传输。我们通过使用半导体工艺制造电阻式随机存取存储器 （RRAM） 器件来测试我们的概念验证，以实验演示用于信号恢复和图像处理的双 IMC。评估表明，它使 MVM 的能源效率提高了 3-4 个数量级。

服务对象 ： 北京大学
发表时间： 2024 年 9 月 12
发表期刊： Device
文章链接： https://www.cell.com/cell-reports-medicine/fulltext/S2666-9986(24)00468-X