Resolviendo el problema de confiabilidad de las redes neuronales artificiales basadas en memristor
Investigadores de la Universidad Tecnológica de Eindhoven, la Universidad de Teherán y la USC publicaron un artículo técnico titulado «ReMeCo: Cómputo neuromórfico en memoria confiable basado en Memristor».
Abstracto:
“Los sistemas informáticos neuromórficos en memoria basados en Memristor prometen una implementación altamente eficiente de las multiplicaciones de matrices vectoriales comúnmente utilizadas en las redes neuronales artificiales (ANN). Sin embargo, el proceso de fabricación inmaduro de los memristores y las limitaciones a nivel de circuito, es decir, latch-on-fault (SAF), IR drop-out y device-to-device (D2D) degradan la confiabilidad de estas plataformas y, por lo tanto, impiden su amplio despliegue. En este artículo, presentamos ReMeCo, un marco de mejora de la confiabilidad basado en la redundancia. Aborda las no idealidades mientras restringe la sobrecarga inducida. Lo logra mediante la realización de un análisis de sensibilidad en ANN. Con la información obtenida, ReMeCo evita el cálculo redundante de menos confidencial neuronas y capas. ReMeCo utiliza un enfoque heurístico para encontrar el equilibrio entre la precisión recuperada y la sobrecarga impuesta. ReMeCo reduce aún más la redundancia de hardware al explotar la técnica de división de bits. Además, el marco emplea el método de promedio establecido en la salida de cada capa de ANN para incorporar las neuronas redundantes. La efectividad de ReMeCo se evalúa utilizando dos modelos ANN bien conocidos, a saber, LeNet y AlexNet, que ejecutan los conjuntos de datos MNIST y CIFAR10. Nuestros resultados muestran una recuperación de precisión del 98,5 % con una redundancia de alrededor del 4 %, que es más de 20 veces menor que el estado del arte”.
Encuéntralo documento técnico aquí. Publicado el 2, 23 de enero.
Ali BanaGozar, Seyed Hossein Hashemi Shadmehri, Sander Stuijk, Mehdi>
Kamal, Ali Afzali-Kusha y Henk Corporaal. 2023. ReMeCo: Confiable
Computación neuromórfica en memoria basada en memristor. . En el 28 de Asia y
Conferencia de Automatización del Diseño del Pacífico Sur (ASPDAC ’23), del 16 al 19 de enero,
2023, Tokio, Japón. ACM, Nueva York, NY, EE. UU., 6 páginas. https://doi.org/10.
1145/3566097.3567889
