advanced
神经形态芯片存储架构
探索忆阻器在神经形态计算中的应用。
📝 提示内容
请设计一种基于忆阻器阵列的神经形态计算芯片架构，旨在加速脉冲神经网络（SNN）的推理过程。要求涵盖：1. 阐述忆阻器的物理特性如何模拟生物突触的权重更新机制（如STDP学习规则）；2. 设计交叉阵列的周边电路，包括数模转换（DAC）、模数转换（ADC）以及 sneak path 电流的抑制方案；3. 提出一种高效的映射算法，将训练好的SNN模型参数部署到有限的忆阻器阵列上，处理器件缺陷和变异性问题；4. 计算该架构在执行典型图像识别任务时的能效比（TOPS/W），并与传统GPU架构进行对比分析；5. 讨论该架构在片上学习（On-chip Learning）面临的挑战及潜在解决方案。