基于阻变存储器(Resistive Random Access Memory,RRAM)的交叉开关(Crossbar)阵列结构支持高能效存内计算(Processing-In-Memory,PIM),是实现神经形态计算系统最具潜力的架构之一。然而,RRAM器件其单元本身及RRAM单元构成的阵列具有一...
详细信息
基于阻变存储器(Resistive Random Access Memory,RRAM)的交叉开关(Crossbar)阵列结构支持高能效存内计算(Processing-In-Memory,PIM),是实现神经形态计算系统最具潜力的架构之一。然而,RRAM器件其单元本身及RRAM单元构成的阵列具有一些非理想因素,这些非理想因素会影响计算的操作数进而使系统的计算准确率降低。选用单元稳定性更高的数字RRAM器件(每个单元存储1比特数据),并研究基于数字RRAM器件Crossbar阵列的神经形态系统的计算准确率恢复方案。基于数字RRAM器件的Crossbar阵列在计算过程中主要受高温导致的阻值漂移和互连线电阻导致的单元有效电压下降(IR drop)两方面的干扰。一方面,阻值漂移会影响阵列中存储的神经网络权重数据。为了减轻三维堆叠神经形态架构中Crossbar阵列面临的高温环境对计算准确率的影响,提出一种基于权重重要性的温度自适应重映射(Weight Significance based Remapping,即WS-R)方案。WS-R方案根据不同数位的位权因子辅以有效数据分布,将权重矩阵按重要性进行划分,同时根据温度分布对Crossbar阵列进行冷、热区域的划分。随后通过重映射步骤,避免将对计算结果贡献较大的高重要性权重与热区域相匹配,以缓解高温对计算准确率的影响。测试结果表明,在4-8比特的权重精度下,相比基于SWV指标的重映射方案,WS-R方案使计算准确率提升了37.8%-56.5%。另一方面,互连线电阻导致的IR drop会降低输入电压向量值的大小。为了补偿IR drop的干扰,提出基于位置及数据模式对IR drop进行补偿(Location and Data Pattern based IR drop Compensation,即LDP-IRC)的阻值调整和驱动电压微调方案。测试结果表明,在阵列级,LDP-IRC方案可使各列输出电流相对于补偿前的误差均在±10%以内;在计算系统级,在不同阵列大小下LDP-IRC方案可使计算准确率近似恢复到理想值。最后,讨论了组合使用WS-R方案和LDP-IRC方案的运行流程,并针对组合方案的局限性提出了解决方法。实验结果表明,在4-8比特的权重精度下,组合方案可以使系统的计算准确率恢复到理想情况的73.48%-80.02%。
暂无评论