DFG project G:(GEPRIS)441957207
Hardwarerealisierung von universellen speicherbasierten memristiven zellularen Rechnerstrukturen
Coordinator | Professor Dr. Ricardo Carmona-Galan ; Vikas Rana, Ph.D. ; Professor Dr. Ronald Tetzlaff |
Grant period | 2020 - |
Funding body | Deutsche Forschungsgemeinschaft |
DFG | |
Identifier | G:(GEPRIS)441957207 |
⇧ SPP 2262: Memristive Bauelemente für intelligente technische Systeme ⇧
Note: In Mem2CNN-Phase II beabsichtigen wir das Einsatzgebiet von memristiven Bauelementen über deren Einsatz in Zellen von Memristiven Zellularen Neuronalen Netzwerken (M-CNN) selbst zu erweitern. Das ultimative Ziel des vorgeschlagenen Projekts ist die Erforschung und Implementierung neuartiger Hardware einer universellen Nicht-von-Neumann-Computerarchitektur mit gespeicherter Programmierbarkeit, welche die M-CNN Universal Machine (M-CNNUM) verwirklicht. Im vorgeschlagenen System werden memristive Crossbar-Anordnungen verwendet, um eine M-CNN-Genfamilie, das sogenannte Chromosom, zu implementieren. In der CNN-Theorie sind Chromosomen Ansammlungen von CNN-Genen, die ähnlich den algorithmischen Operationen in herkömmlichen Computersystemen nacheinander ausgeführt werden, um verschiedene Rechenaufgaben auszuführen. Mit memristiven Crossbars können Skalarprodukte in einem Schritt berechnet werden. Dadurch ermöglichen sie direkt die für die Berechnung des Offsets jeder MCNN-Zelle notwendigen Multiplikations- und Akkumulationsoperationen. Der Offset entspricht dem, durch das synaptische Gewicht des jeweilen Gens gewichteten, aggregierten Beitrag der Eingabe und Ausgabe benachbarter Zellen sowie einer vorgebbaren Konstante. Anschließend werden wir diese neuartige Chromosomen-Memristor-Crossbar-Struktur mit der reichhaltigen Dynamik des M-CNN-Kerns verbinden, der sowohl lokalen nichtflüchtigen Speicher als auch Memcomputing-Funktionen bietet, um die gesamte M-CNNUM-Zelle zu entwerfen und die automatisierte Nacheinander-Ausführung von M-CNNUM-Rechenoperationen in Hardware zu demonstrieren. Um die Systementwicklung zu erleichtern, werden wir Mixed-Signal-Designtechniken einsetzen und dabei die kompakten energieeffizienten analogen Rechenkerne in Kombination mit der digitalen Steuerschaltung, die den Systembetrieb und die Datenübertragung verwaltet, nutzen. Dieses Design, das massiv parallele M-CNNUM-Operationen ermöglicht und eine hohe Geschwindigkeit bei geringem Energieverbrauch erreicht, soll alle Zuverlässigkeitsprobleme der CMOS/Memristor-Schaltungen berücksichtigen. Darüber hinaus werden wir innovative Techniken für den Entwurf der neuartigen M-CNNUM-Mikroarchitektur, für deren internes Design und die Organisation dieses neuartigen Computers, einsetzen. Schließlich werden wir eine Software-Simulationsinfrastruktur implementieren, die den Betrieb der vorgeschlagenen M-CNNUM-Hardware genau beschreibt und zur Demonstration des ordnungsgemäßen Betriebs des M-CNNUM-Systems bei realen Aufgaben, z. B. Bildverarbeitung, verwendet wird. Außerdem soll ein kleines funktionelles M-CNNUM-Array für den Proof-of-Concept physikalisch realisiert werden. Die Hauptziele der Mem2CNN-Phase II sind: 1. Entwicklung einer matrizenbasierter M-CNNUM-Chromosomenstruktur 2. Demonstration der Funktionsweise von M-CNNUM-Anweisungen auf der hergestellten Hardware, 3. Realisierung einer M-CNNUM-Mikroarchitektur, 4. Proof-of-Concept-Anwendung der entwickelten M-CNNUM-ImplementierungAll known publications ...
Download: BibTeX | EndNote XML, Text | RIS |
Journal Article
Dynamic Analysis of the Effect of the Device-to-Device Variability of Real-World Memristors on the Implementation of Uncoupled Memristive Cellular Nonlinear Networks
IEEE transactions on nanotechnology 24, 121-128 (2025) [10.1109/TNANO.2025.3545251]
Files
BibTeX |
EndNote:
XML,
Text |
RIS
Contribution to a conference proceedings
Experimental Evidence for Local Fading Memory Effects in TaOx ReRAM Cells
2024 IEEE International Conference on Metrology for eXtended Reality, Artificial Intelligence and Neural Engineering (MetroXRAINE), St AlbansSt Albans, United Kingdom, 21 Oct 2024 - 23 Oct 2024
IEEE 5 pp. (2024) [10.1109/MetroXRAINE62247.2024.10795989]
Files
BibTeX |
EndNote:
XML,
Text |
RIS
Conference Presentation (Invited)
Filamentary Valence Change Memories: The Role of Joule Heating
IEEE CASS Seasonal School on “Intelligence in Chips: Memristive Sensing & Bioinspired Computing Systems, virtualvirtual, virtual, 16 Oct 2024 - 19 Oct 2024
BibTeX |
EndNote:
XML,
Text |
RIS
Journal Article
A flexible and fast digital twin for RRAM systems applied for training resilient neural networks
Scientific reports 14(1), 23695 (2024) [10.1038/s41598-024-73439-z]
Files
BibTeX |
EndNote:
XML,
Text |
RIS
Poster (Other)
Memristor Resistance State Tuning with High-Frequency Periodic Inputs
International Conference on Neuromorphic Computing and Engineering, ICNCE, AachenAachen, Germany, 3 Jun 2024 - 6 Jun 2024
BibTeX |
EndNote:
XML,
Text |
RIS
Poster (Other)
ReRAM Cell Model Simplification to Enhance Simulation Time Efficiency
International Conference on Neuromorphic Computing and Engineering, ICNCE, AachenAachen, Germany, 3 Jun 2024 - 6 Jun 2024
BibTeX |
EndNote:
XML,
Text |
RIS
Talk (non-conference) (Invited)
Device and Circuit Perspective on Memristive Devices
Memristor Stammtisch, onlineonline, online, 27 Mar 2024
BibTeX |
EndNote:
XML,
Text |
RIS
Journal Article
Theoretico-experimental analysis of bistability in the oscillatory response of a TaOx ReRAM to pulse train stimuli
Frontiers in nanotechnology 6, 1301320 (2024) [10.3389/fnano.2024.1301320]
Files
BibTeX |
EndNote:
XML,
Text |
RIS
Conference Presentation (Other)
Local Fading Memory of a Nonvolatile Memristor from Forschungszentrum Jülich
MemriSys 2023, TorinoTorino, Italy, 5 Nov 2023 - 9 Nov 2023
BibTeX |
EndNote:
XML,
Text |
RIS
Conference Presentation (Other)
On the simplification of a Physics-based VCM Memristor Model targeting faster simulation speed
MemriSys 2023, TorinoTorino, Italy, 5 Nov 2023 - 9 Nov 2023
BibTeX |
EndNote:
XML,
Text |
RIS
All known publications ...
Download: BibTeX | EndNote XML, Text | RIS |