- 必威体育下载

姓名
邮箱
手机号码
标题
留言内容
验证码

摘要

神经形态芯片是一种新兴的AI芯片. 神经形态芯片基于非冯·诺依曼架构, 模拟人脑的结构和工作方式, 相比冯·诺依曼架构的AI芯片, 神经形态芯片在效率和能耗上有显著的优势. 3D-NAND闪存工艺成熟并且存储密度极高, 基于3D-NAND的神经形态芯片受到许多研究者的关注. 然而由于该技术的专利性质, 少有基于3D-NAND神经形态计算的硬件实现. 本文综述了用3D-NAND实现神经形态计算的工作, 介绍了其中前向传播和反向传播的机制, 并提出了目前3D NAND在器件、结构和架构上需要的改进以适用于未来的神经形态计算.

关键词:

Abstract

A neuromorphic chip is an emerging AI chip. The neuromorphic chip is based on non-Von Neumann architecture, and it simulates the structure and working principle of the human brain. Compared with non-Von Neumann architecture AI chips, the neuromorphic chips have significant improvement of efficiency and energy consumption advantages. The 3D-NAND flash memory has the merits of a mature process and ultra-high storage density, and recently it attracted many researchers’ attention. However, owing to the proprietary nature of the technology, there are few hardware implementations. This paper reviews the present research status of neuromorphic computing by using the 3D-NAND flash memory, introduces the forward propagation and backward propagation schemes, and proposes several improvements on the device, structure, and architecture of 3D NAND for neuromorphic computing.

Keywords:

作者及机构信息

1.
2.
3.
4.

通信作者:杨道虹,alan_yang@xmcwh.com

Authors and contacts

1.
2.
3.
4.

Corresponding author:Yang Dao-Hong,alan_yang@xmcwh.com

文章全文: translate this paragraph

参考文献

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]
[32]
[33]
[34]
[35]
[36]
[37]
[38]
[39]
[40]
[41]
[42]
[43]
[44]
[45]
[46]
[47]
[48]
[49]
[50]
[51]
[52]
[53]
[54]
[55]
[56]
[57]
[58]
[59]

施引文献

下载: 全尺寸图片幻灯片

	新型存储器					主流存储器
	PCM	ReRAM	STT-MRAM	FeRAM	FeFET	NOR flash	NAND flash
器件结构	1T-1R	1T-1R	1T-1R	1T-1C/ 1T-1FTJ	1T	1T	1T
器件面积F²	4—40	6—26	9—75	30—40	10—30	10	4
工艺节点/nm	14^[8,9]	14^[10]	22^[11]	130^[12]	22^[13]	40	15(2D) 80(3D)^[14]
芯片容量	16—64 GB (Intel optane)	1 MB— 32 GB^[10,15]	16 kB— 4 GB^[16,17]	16 kB— 128 MB^[18,19]	64 kB— 32 MB^[13,20]	1 MB—2 GB (Micron/Infineon/Macro- nix product manuals)	1 TB^[21]
写电压/V	< 3	< 1	< 2	< 3	～1.5	10—15	15—25
写时间/ns	75^[9]	1—10^[22]	3—14^[23,24]	1—10^[25]	1—10^[25]	10000^[26]	100000^[27]
写功耗/(pJ·bit^–1)	1^[28]	～10^[29]	4.5^[30]	0.1^[25]	1—10 fJ^[25]	49^[26]	～1000^[31]
读时间	12—130 ns^[8,32]	2.9—21 ns^[33,34]	2—26 ns^[30,35]	1—25 ns	1—10 ns	11 ns	3 μs^[27]
读功耗/(pJ·bit^–1)	2.47^[36]	1.76^[29]	0.7^[30]	9.8—19.2^[37]	0.27 fJ/bit^[38]	2.2^[26]	～100^[31]
开关比	> 10⁴	> 10³	> 2	> 2	> 10⁸	> 10⁸	> 10⁸
擦写次数	> 10^{10 [22]}	> 10¹²	> 10¹²	> 10¹²	10⁵—10⁹	< 10⁶	< 10⁵
保持时间/a	> 10	> 10	> 10	> 10	> 10	> 10	> 10
存储比特	2	6^[39]	1	3—4^[39]	2—3	2	4

下载: 导出CSV

	文献工作
	[45]	[47]	[48]	[49]	[50]	[52]	[53]	[54]	[55]	[56]
技术节点	N.A.	N.A.	N.A.	N.A.	65 nm	N.A.	32 nm	N.A.	26 nm	26 nm
芯片容量	N.A.	N.A.	N.A.	64 GB	N.A.	N.A.	1.13 GB	N.A.	N.A.	N.A.
器件类型	N.A.	SLC	SLC	SLC	SLC	SLC	SLC	Analog	MLC	PLC
输入端口	位线	字线	漏端选通管的字线	位线	漏端选通管的字线	位线	位线	字线	位线	位线
输入编码	脉冲幅值	N.A.	二值编码	数字编码	数字编码	数字编码	数字编码	二值编码	脉宽编码	脉宽编码
输入信号精度	模拟	N.A.	1 bit	4 bit	8 bit	8 bit	8 bit	1 bit	模拟	模拟
突触精度	N.A.	1 bit	1 bit	4 bit	8 bit	8 bit	8 bit	N.A.	4 bit/2 bit	6 bit
反向传播方式	另选转置的突触阵列, 误差信号在位线上输入	N.A.	N.A.	N.A.	N.A.	N.A.	N.A.	N.A	N.A.	误差信号施加在源极选通管位线上
神经网络	3层全连接网络	N.A.	4层全连网络、 6层卷积 + 3层全连接	VGG16	LeNet-5	VGG-16	VGG-8	两层全连接网络	6层卷积 + 3层全连接	2—7层全连接网络
神经网络的突触数量	0.3 MB	N.A.	N.A.	138 MB	N.A.	N.A.	110 MB	27	N.A.	N.A.
数据集	MNIST	N.A.	MNIST, CIFAR-10	CIFAR-10	MNIST	N.A.	CIFAR-10	ZVN	CIFAR-10	MNIST
识别率	94.5%	N.A.	98.12%, 87.11%	90%	98.5%	N.A.	N.A.	N.A.	89.38% (4 bit 权重)、87.1% (2 bit权重)	95.65%
能效/ (TOPS·W^–1)	N.A.	N.A.	N.A.	～40	N.A.	0.3	12.95	N.A	N.A.	N.A.

下载: 导出CSV

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]
[32]
[33]
[34]
[35]
[36]
[37]
[38]
[39]
[40]
[41]
[42]
[43]
[44]
[45]
[46]
[47]
[48]
[49]
[50]
[51]
[52]
[53]
[54]
[55]
[56]
[57]
[58]
[59]

[1]	方语萱, 夏志良, 杨涛, 周文犀, 霍宗亮.3D NAND闪存中氟攻击问题引起的字线漏电的改进. 必威体育下载 , 2024, 73(6): 068502.doi:10.7498/aps.73.20231557
[2]	杨卫涛, 胡志良, 何欢, 莫莉华, 赵小红, 宋伍庆, 易天成, 梁天骄, 贺朝会, 李永宏, 王斌, 吴龙胜, 刘欢, 时光.近存计算架构AI芯片中子单粒子效应. 必威体育下载 , 2024, 73(13): 138502.doi:10.7498/aps.73.20240430
[3]	方语萱, 杨益, 夏志良, 霍宗亮.3D NAND闪存中TiN与氧化表面F吸附作用的第一性原理研究. 必威体育下载 , 2024, 73(12): 128502.doi:10.7498/aps.73.20240254
[4]	李岩, 陈鑫力, 王伟胜, 石智文, 竺立强.蛋壳膜电解质栅控氧化物神经形态晶体管. 必威体育下载 , 2023, 72(15): 157302.doi:10.7498/aps.72.20230411
[5]	王世场, 卢振洲, 梁燕, 王光义.N型局部有源忆阻器的神经形态行为. 必威体育下载 , 2022, 71(5): 050502.doi:10.7498/aps.71.20212017
[6]	李策, 杨栋梁, 孙林锋.基于二维层状材料的神经形态器件研究进展. 必威体育下载 , 2022, 71(21): 218504.doi:10.7498/aps.71.20221424
[7]	江碧怡, 周菲迟, 柴扬.神经形态阻变器件在图像处理中的应用. 必威体育下载 , 2022, 71(14): 148504.doi:10.7498/aps.71.20220463
[8]	蒋子寒, 柯硕, 祝影, 朱一新, 朱力, 万昌锦, 万青.柔性神经形态晶体管及其仿生感知应用. 必威体育下载 , 2022, 71(14): 147301.doi:10.7498/aps.71.20220308
[9]	朱佳雪, 张续猛, 王睿, 刘琦.面向神经形态感知和计算的柔性忆阻器基脉冲神经元. 必威体育下载 , 2022, 71(14): 148503.doi:10.7498/aps.71.20212323
[10]	张宇琦, 王俊杰, 吕子玉, 韩素婷.应用于感存算一体化系统的多模调控忆阻器. 必威体育下载 , 2022, 71(14): 148502.doi:10.7498/aps.71.20220226
[11]	王童, 温娟, 吕康, 陈健中, 汪亮, 郭新.仿生生物感官的感存算一体化系统. 必威体育下载 , 2022, 71(14): 148702.doi:10.7498/aps.71.20220281
[12]	温新宇, 王亚赛, 何毓辉, 缪向水.忆阻类脑计算. 必威体育下载 , 2022, 71(14): 140501.doi:10.7498/aps.71.20220666
[13]	沈柳枫, 胡令祥, 康逢文, 叶羽敏, 诸葛飞.光电神经形态器件及其应用. 必威体育下载 , 2022, 71(14): 148505.doi:10.7498/aps.71.20220111
[14]	单旋宇, 王中强, 谢君, 郑嘉慧, 徐海阳, 刘益春.面向感存算一体化的光电忆阻器件研究进展. 必威体育下载 , 2022, 71(14): 148701.doi:10.7498/aps.71.20220350
[15]	任宽, 张珂嘉, 秦溪子, 任焕鑫, 朱守辉, 杨峰, 孙柏, 赵勇, 张勇.基于忆容器件的神经形态计算研究进展. 必威体育下载 , 2021, 70(7): 078701.doi:10.7498/aps.70.20201632
[16]	徐威, 王钰琪, 李岳峰, 高斐, 张缪城, 连晓娟, 万相, 肖建, 童祎.新型忆阻器神经形态电路的设计及其在条件反射行为中的应用. 必威体育下载 , 2019, 68(23): 238501.doi:10.7498/aps.68.20191023
[17]	贺黎明, 曹伟, 陈学谦, 朱云霞.氦原子1snd(n=4—11)组态下1D—3D谱项分裂值的计算. 必威体育下载 , 2005, 54(11): 5077-5081.doi:10.7498/aps.54.5077
[18]	牟致栋, 魏琦瑛.MoⅩⅣ—RuⅩⅥ离子的3d104s—3d94s4p跃迁谱线波长和振子强度的计算. 必威体育下载 , 2004, 53(6): 1742-1748.doi:10.7498/aps.53.1742
[19]	白丽华, 张庆刚, 刘新国.D+CD4→CD3+D2反应的四维量子散射计算. 必威体育下载 , 2003, 52(11): 2774-2780.doi:10.7498/aps.52.2774
[20]	朱元贞, 潘少华.V3X系d带相对移动量的配位场方法的计算. 必威体育下载 , 1983, 32(3): 411-416.doi:10.7498/aps.32.411

计量

文章访问数:10584
PDF下载量:278
被引次数:0

搜索

留言板