.png){kind=icon}
返回
A 64-bit high-precision flash computing-in-memory architecture with a parallel input scheme
.png){kind=icon}
PRE
AI
DOI：10.1007/s11432-025-4826-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
存储内计算（CIM）架构通过减少数据移动，为提升能效和降低延迟提供了有前景的解决方案。随着大数据时代的迅速发展，高性能计算（HPC）不仅需要强大的计算能力，还需要庞大的存储容量。因此，为了将CIM应用于未来的高性能应用，进一步提高计算精度至关重要。为解决这一问题，我们提出了一种用于基于闪存的CIM的高精度计算并行输入方案，该方案采用高比特密度（4位/单元）。所提出的方案通过阵列和操作设计实现了64位精度计算系统。通过实施并行输入方案，主要由外围电路决定脉冲时间、延迟和功耗，这些指标得到了有效降低。我们的工作为构建高精度CIM架构提供了一种可行的途径。
Keyword:
computing-in-memory
general-purpose computing
precision extension
flash memory
期刊
S
IF:
7.6
论文数:
130
被引数:
0
机构
引用论文
A 28-nm 64-kb 31.6-TFLOPS/W Digital-Domain Floating-Point-Computing-Unit and Double-Bit 6T-SRAM Computing-in-Memory Macro for Floating-Point CNNs28纳米工艺、64千字节、31.6 TFLOPS/W的数字域浮点计算单元和双比特6T-SRAM存内计算宏，用于浮点CNNs
PREAI
分享收藏分享收藏
Memory devices and applications for in-memory computing用于内存计算的内存设备和应用.png)
NATURE NANOTECHNOLOGY
OAAI
NATURE NANOTECHNOLOGYIF34.9
OAAI分享收藏A study of hot-hole injection during programming drain disturb in flash memories在闪存中编程漏极干扰期间的空穴注入研究
PREAI
分享收藏Enhancing network-on-chip performance by 32-bit RISC processor based on power and area efficiency
PREAI
分享收藏
查看更多内容