从 20 世纪 90 年代起，也有一些大学的研究人员以模拟计算的形式，使用交叉开关阵列（即用晶体管组成纵横交叉棒的结构）来完成矢量矩阵乘法（Vector-Matrix-Multiply，VMM），而 VMM 正是 DNN 的关键运算之一。但是这些工作只是在实验室里作为小规模的电路试验进行的，用芯片实现需要很大的面积，也不具备很好的可扩展性。因此，不能用于规模较大的神经网络中的有效的乘积累加运算。
随着基于忆阻器的 RRAM 异军突起，一种基于交叉开关阵列的新型模拟计算器件出现了。RRAM 的模拟行为证明了它是模拟计算最好的基本器件之一。RRAM 的出现也是模拟计算这个被人遗忘的技术近年来又重新受到重视的主要原因之一。在新型非易失性存储器（NVM）中，除 RRAM 之外，其他类型的存储器如相变存储器（PCM）、磁性存储器（Magnetic Random Access Memory，MRAM）和铁电存储器（FeRAM）等，都可以通过施加电脉冲，显示出多级可编程性。此功能非常适合基于模拟计算的深度学习加速器的基本需求。
用阻变存储器实现模拟计算
RRAM 是新型 NVM 器件中相对较为成熟的候选技术之一，一些厂家已经可以提供用 CMOS 技术制造的存储阵列（使用小于 10nm 的工艺节点，高密度，开关速度可以达到小于 10 ns）。丝状 RRAM 具有很有潜质的特性，如非常低的编程功耗、纳秒级的快速开关及相对较强的耐久性。不过，RRAM 的电阻值范围通常不大于最低值的 50 倍，这与其固有不一致性一起，对在低编程电流下实现大量中间电平构成了限制。在交叉开关阵列中，交叉开关通常位于字线（Word Line，WL）和位线（Bit Line，BL）之间的交点处。当存储器件与选择器件（如二极管、选择器或晶体管）串联时，交叉开关处于有源状态；否则，交叉开关是无源的。图 6.4 为使用忆阻器执行点积计算的原理。它将一个二维矩阵映射到具有与抽象数学对象相同的行数和列数的物理阵列。每条位线通过一个 RRAM 交叉开关连接到每条字线。
（本章节未完结，点击下一页翻页继续阅读）
正在加载...