ارائه ی یک معماری مبتنی بر ممریستور برای پیاده سازی عملیات پیچش در شبکه های عصبی عمیق

با رشد روزافزون استفاده از شبکه های عصبی عمیق، نیاز به طراحی شتاب دهنده های سخت افزاری کارآمد جهت انجام محاسبات سنگین این شبکه ها بیش از پیش احساس می شود. در این میان، عملیات پیچش (Convolution) به عنوان سنگین ترین و پرکاربردترین بخش محاسباتی در شبکه های عصبی پیچشی (CNN)، نقش تعیین کننده ای در سرعت و دقت اجرای شبکه دارد. در این پژوهش، یک معماری سخت افزاری مبتنی بر ممریستور برای پیاده سازی عملیات پیچش پیشنهاد شده است. در روش ارائه شده، با بهره گیری از ویژگی های ممریستور در ذخیره سازی مقادیر وزنی و انجام محاسبات در همان مکان (In-Memory Computing)، یک ساختار آرایه ای برای کرنل های ۳×۳ طراحی شده است. به منظور صحت سنجی، مدار پیشنهادی و تمامی بلوک های مرتبط شامل واحد دروازه های انتقال و تقویت کننده های عملیاتی، در محیط نرم افزاری Cadence Virtuoso شبیه سازی شده اند. نتایج به دست آمده از شبیه سازی، عملکرد صحیح معماری ارائه شده را در پیاده سازی عملیات پیچش تایید نموده و پتانسیل بالای این ساختار را برای پیاده سازی سخت افزاری در شبکه های عصبی عمیق نشان می دهند.

کلیدواژه ها:

ممریستور ، شبکه ی عصبی ، شبکه ی عصبی پیچشی ، شبکه ی عصبی ممریستوری ، دروازه ی انتقال