返回
A Probabilistic Bayesian Machine Based on a Diffusive Memristor Crossbar Array for Long Sequence Inference
DOI:10.1016/j.eng.2026.07.011.png)
摘要
En 中文
冯·诺依曼架构无法支持人工智能新兴应用,需要新的计算范式以解决复杂任务。基于忆阻器的近内存计算展示了超越冯·诺依曼计算机的潜力。然而,由于器件限制,具有庞大外围电路的忆阻器硬件无法处理复杂任务且对噪声敏感。本研究利用扩散器件的物理随机性和交叉阵列结构的固有并行性,基于Au/Ag/Al2O3/Pt/Ti忆阻器交叉阵列电路实现了一台真正的随机贝叶斯机。所提系统支持长概率序列推理,具有优异的软错误鲁棒性,并首次使概率硬件能够处理如图像识别等高特征任务。我们构建了对应的紧凑模型扩散忆阻器器件,并测量了交叉阵列原型电路的信号传输特性,揭示了由寄生效应引起的严重信号失真。此外,我们提出了一种信号重构方法,有效提升了贝叶斯机电路的性能。本研究为概率计算硬件的电路设计和大规模集成方法探索指明了新方向。
Keyword:
Probabilistic computing
Diffusive memristor
Bayesian machine
Long sequence inference
Soft-error robustness
期刊
IF:
11.6
论文数:
2.8K
被引数:
1.5W
机构
引用论文
Enhancing the Matrix Addressing of Flexible Sensory Arrays by a Highly Nonlinear Threshold Switch
ADVANCED MATERIALS
IF26.8
2D halide perovskites in modern electronics and their impact on high-performance resistive-switching memory device and field-effect transistors2D卤化物钙钛矿在现代电子学中的应用及其对高性能电阻式存储器器件和场效应晶体管的影响
Halide perovskites for next generation electronics integrating resistive switching memory and gas sensing卤化物钙钛矿用于下一代电子学集成电阻式存储器和气体传感
Eyeblink Detection Algorithm Based on Joint Optimization of VME and Morphological Feature Extraction
IEEE SENSORS JOURNAL
IF4.5

