.png){kind=icon}
返回
Energy-Efficient Knapsack Optimization Using Probabilistic Memristor Crossbars
.png){kind=icon}
OA
AI
DOI：10.1002/aisy.202401114.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
约束优化构成了关键的社会性问题，例如股票交易和带宽分配。然而，它通常计算复杂，因为其复杂度随问题规模呈指数增长。大数据时代迫切需要在边缘端实现低延迟、低能耗的优化，而数字处理器由于其非并行冯·诺依曼架构无法处理此类需求。近期使用大规模并行硬件（如忆阻器交叉阵列和量子处理器）并采用退火算法的研究虽具前景，但仅能处理相对简单且稳定的、具有稀疏或二进制表示的问题，例如最大分割问题或旅行商问题。然而，大多数实际应用包含三个特征，这些特征体现在背包问题中，且无法通过退火算法处理——即密集且非二进制的表示，并伴随不稳定自反馈。本文展示了一种面向后数字硬件的、友好的随机竞争伊辛启发式（RaCI）算法，该算法用于背包优化，并在代工制造的互补金属氧化物半导体集成的概率性模拟忆阻器交叉阵列上实验实现。该方案在能耗效率方面比数字和量子方法高出四个数量级。
Keyword:
analog computing
knapsack problem
memristors
memory semiconductors
optimization
期刊
IF:
6.1
论文数:
2.0K
被引数:
8.4K
机构
引用论文
Bulk-Switching Memristor-Based Compute-In-Memory Module for Deep Neural Network Training用于深度神经网络训练的基于大容量切换忆阻器的内存计算模块.png)
ADVANCED MATERIALS
OAAI
ADVANCED MATERIALSIF26.8
OAAI分享收藏分享收藏A Fully Integrated System-on-Chip Design with Scalable Resistive Random-Access Memory Tile Design for Analog in-Memory Computing完全集成的片上系统设计，具有可扩展的电阻式随机存取存储器瓦片设计，用于模拟内存计算OAAI
OAAI分享收藏CHAOTIC SIMULATED ANNEALING BY A NEURAL-NETWORK MODEL WITH TRANSIENT CHAOS具有瞬态混沌的神经网络模型的混沌模拟退火NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏分享收藏Power-efficient combinatorial optimization using intrinsic noise in memristor Hopfield neural networks忆阻Hopfield神经网络中使用本征噪声的功率有效组合优化NATURE ELECTRONICS
NATURE ELECTRONICSIF40.9
PREAI
分享收藏Efficient combinatorial optimization by quantum-inspired parallel annealing in analogue memristor crossbarNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏分享收藏
查看更多内容