存储技术在神经突触交叉阵列中的比较评估- 第二部分：设计因素与DNN准确性趋势
原文中文，约500字，阅读约需2分钟。发表于：。本研究针对存储技术在深度神经网络（DNN）加速中的硬件非理想性对DNN准确性的影响，提出了交叉层设计解决方案。通过分析不同设计因素对4种存储技术（8T SRAM、铁电晶体管FeFET、阻抗RAM和自旋轨道扭矩磁RAM）的性能影响，研究发现部分字线激活（PWA）和自定义ADC参考电平能够显著提高DNN的推理准确性，PWA最多提升32.56%的准确率。
本研究提出了一个综合的深度神经网络设计框架，利用memristive和memcapacitive交叉阵列在低功耗机器学习加速器中实现了卓越的训练准确率。同时，引入了一种新方法使用运算跨导放大器和电容器模拟meminductor设备，进一步验证了其可调节的行为。该研究为高效和高性能的机器学习应用提供了先进的硬件解决方案。
