WikiEdge:ArXiv-2408.17050v1/summary：修订间差异

2024年9月3日 (二) 06:53的版本

本文介绍了一种基于忆阻器的计算存储硬件加速器，用于片上训练和推理，重点关注其在设备变化、导电误差和输入噪声下的准确性和效率。利用商业可用的基于银的金属自定向通道（M-SDC）忆阻器的真实SPICE模型，研究将固有的设备非理想性纳入电路仿真中。硬件由30个忆阻器和4个神经元组成，利用钨、铬和碳介质的三种不同的M-SDC结构执行二进制图像分类任务。片上训练算法精确调整忆阻器导电性以实现目标权重。结果表明，训练期间加入适度噪声（<15%）可以增强对设备变化和噪声输入数据的鲁棒性，即使在导电变化和输入噪声下也能实现高达97%的准确率。网络可以在不显著损失准确率的情况下容忍10%的导电误差。值得注意的是，在训练期间省略初始忆阻器重置脉冲可以显著减少训练时间和能量消耗。使用基于铬的忆阻器设计的硬件表现出优越的性能，实现了2.4秒的训练时间和18.9毫焦耳的能量消耗。这项研究为开发用于边缘应用的片上学习的鲁棒和能效高的基于忆阻器的神经网络提供了见解。

@@ 第1行： / 第1行： @@
-<!-- 不要移除下面第一行，如果有编辑错误，请直接修改第二行以后的内容 -->
+本文介绍了一种基于[[忆阻器]]的计算存储硬件加速器，用于片上训练和推理，重点关注其在设备变化、导电误差和输入噪声下的准确性和效率。
-<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17050v1/summary|action=edit}} 编辑]</div>
+利用商业可用的基于[[银]]的金属自定向通道（M-SDC）忆阻器的真实SPICE模型，研究将固有的设备非理想性纳入电路仿真中。
-== 核心内容 ==
+硬件由30个忆阻器和4个[[神经元]]组成，利用[[钨]]、[[铬]]和[[碳]]介质的三种不同的M-SDC结构执行二进制[[图像分类]]任务。
-本文研究了在相关瑞利衰落条件下的安全集成感知与通信（ISAC）场景。在该场景中，信号通过一个状态依赖的窃听信道传输，其中一个合法接收器与发射机通信，同时发射机希望感知一个诚实但好奇的目标。安全ISAC信道被建模为两个具有相关瑞利衰落系数的状态依赖快速衰落信道，以及独立的加性高斯噪声分量。通过将延迟的信道输出反馈给发射机，以提高通信性能并估计信道状态序列。文章建立了在相关瑞利衰落条件下，针对降级安全ISAC信道的可实现保密-失真区域，并评估了大量参数的内界，以得出安全ISAC方法的实际设计见解。研究结果特别包括了保密容量超过经典窃听信道设置的参数范围，以及接近信道容量的参数范围。
+片上训练算法精确调整忆阻器导电性以实现目标权重。结果表明，训练期间加入适度噪声（<15%）可以增强对设备变化和噪声输入数据的[[鲁棒性]]，
-系统模型包括一个发射机、一个合法接收器、一个状态估计器和一个窃听者（Eve）。发射机希望传输一个均匀分布的消息M，通过快速衰落加性高斯噪声（AGN）安全ISAC信道，其中独立同分布的衰落信道系数（Sn1, Sn2）由接收器和窃听者分别因果估计。给定M，发射机使用编码函数Enci(·)生成信道输入Xn，使得Xi = Enci(M, Zi−1)，其中Zi−1是先前的信道输出反馈。文章定义了安全相关快速衰落ISAC问题的保密-失真区域，并针对物理降级和随机降级ISAC信道给出了保密-失真区域的描述。此外，文章还考虑了具有双变量瑞利衰落分布的信道，并在安全ISAC信道是随机降级的情况下，描述了可实现的保密-失真区域。
+即使在导电变化和输入噪声下也能实现高达97%的[[准确率]]。网络可以在不显著损失准确率的情况下容忍10%的导电误差。值得注意的是，
-文章通过数值结果和讨论，评估了在不同参数设置下的保密通信速率。结果表明，在低相关性下，保密通信速率随着发射功率的增加而增加，而在高相关性下，保密通信速率在低发射功率下迅速增加，但在高发射功率下增长缓慢。此外，文章还讨论了在不同信噪比和相关性参数下，保密通信速率的变化趋势。研究得到了德国联邦教育研究部、德国研究基金会、美国国家科学基金会和美国交通部等机构的支持。
+在训练期间省略初始忆阻器重置脉冲可以显著减少训练时间和能量消耗。使用基于铬的忆阻器设计的硬件表现出优越的性能，
+实现了2.4秒的训练时间和18.9毫焦耳的能量消耗。这项研究为开发用于[[边缘应用]]的[[片上学习]]的鲁棒和能效高的基于忆阻器的[[神经网络]]提供了见解。

WikiEdge:ArXiv-2408.17050v1/summary：修订间差异

2024年9月3日 (二) 06:53的版本

导航菜单

搜索