In-Memory-Computing mit memristiven Bauelementen

In-Memory-Computing (iMC) mit memristiven Bauelementen stellt einen Paradigmenwechsel in der Computerarchitektur dar, indem es Speicherung und Verarbeitung am selben Ort zusammenführt. Diese nanoskaligen resistiven Speicherelemente, die in der Regel auf HfO₂ oder Ta₂O₅ basieren, führen Berechnungen durch Widerstandsmodulation durch und ermöglichen zustandsabhängige logische Operationen wie ODER, NICHT, XOR und NICHT-IMPLY direkt in Speicheranordnungen [1]. Da der Datentransfer zwischen dem diskreten Speicher und den Verarbeitungseinheiten entfällt, bietet dieser Ansatz erhebliche Verbesserungen der Energieeffizienz bei datenintensiven Arbeitslasten. Darüber hinaus wird die inhärente Variabilität des resistiven Direktzugriffsspeichers (RRAM) genutzt, um die Widerstandsfähigkeit digitaler und analoger maschineller Lernmodelle zu verbessern [2] und um RRAM-basierte sichere Hardware-Primitive zu entwickeln [3].

Unsere aktuelle Forschung konzentriert sich auf die Überwindung der Herausforderungen der Materialvariabilität bei gleichzeitiger Verbesserung des Multi-Bit-Betriebs und hybrider CMOS-Memristor-Designs, um die Technologie für die nächste Generation von KI-Hardware und Edge-Computing-Systemen zur Marktreife zu führen.

Referenzen:

[1] A. Bende et al., "Experimental Validation of Memristor-Aided Logic Using 1T1R TaOx RRAM Crossbar Array, "37th International Conference on VLSI Design and 2024 23rd International Conference on Embedded Systems (VLSID), Kolkata, India, 2024, pp. 565-570, doi: 10.1109/VLSID60093.2024.00100.

[2] T. Glint, G. Paul, A. Bende, R. Dittmann and V. Rana, "Resilience of Digital and Analog RRAM-Based ML Models to Device Variability: A Comparative Study," 2024 31st IEEE International Conference on Electronics, Circuits and Systems (ICECS), Nancy, France, 2024, pp. 1-4, doi: 10.1109/ICECS61496.2024.10848635.

[3] S. Singh et al., "Integrated Architecture for Neural Networks and Security Primitives using RRAM Crossbar," 2023 21st IEEE Interregional NEWCAS Conference (NEWCAS), Edinburgh, United Kingdom, 2023, pp. 1-5, doi: 10.1109/NEWCAS57931.2023.10198126.