[論文レビュー] Memcapacitive Devices in Logic and Crossbar Applications

S. J. Dat Tran, Christof Teuscher|arXiv (Cornell University)|Apr 1, 2017

Advanced Memory and Neural Computing被引用数 9

ひとこと要約

本論文では、論理回路およびクロスバー応用におけるメモリスティブの低消費電力代替として、メモキャパシティブデバイスの提案を行う。金属酸化物構造における調整可能な容量性記憶を活用することで、著者らはメモキャパシティブ論理ゲートが7倍低い消費電力で動作すること、およびクロスバー分類器がメモリスティブベースのシステムと比較して、MNISTでは1,500倍、CIFAR-10では1,000倍のエネルギー効率向上を達成することを実証した。

ABSTRACT

Over the last decade, memristive devices have been widely adopted in computing for various conventional and unconventional applications. While the integration density, memory property, and nonlinear characteristics have many benefits, reducing the energy consumption is limited by the resistive nature of the devices. Memcapacitors would address that limitation while still having all the benefits of memristors. Recent work has shown that with adjusted parameters during the fabrication process, a metal-oxide device can indeed exhibit a memcapacitive behavior. We introduce novel memcapacitive logic gates and memcapacitive crossbar classifiers as a proof of concept that such applications can outperform memristor-based architectures. The results illustrate that, compared to memristive logic gates, our memcapacitive gates consume about 7x less power. The memcapacitive crossbar classifier achieves similar classification performance but reduces the power consumption by a factor of about 1,500x for the MNIST dataset and a factor of about 1,000x for the CIFAR-10 dataset compared to a memristive crossbar. Our simulation results demonstrate that memcapacitive devices have great potential for both Boolean logic and analog low-power applications.

研究の動機と目的

• 論理回路およびクロスバーアーキテクチャにおける抵抗性メモリスティブデバイスのエネルギー消費制限を解決すること。
• 製造プロセス中のパrameter調整によって、実装済み金属酸化物デバイスにおけるメモキャパシティブ動作の可能性を検討すること。
• 概念実証として、新しいメモキャパシティブ論理ゲートおよびクロスバー分類器の設計と評価を行うこと。
• メモキャパシティブシステムが、同等の性能を維持しながらメモリスティブと比較してエネルギー効率に優れていることを実証すること。

提案手法

• 製造パrameterを調整することでメモキャパシティブ動作を示すチューナブルな金属酸化物構造を用いて、新しいメモキャパシティブ論理ゲートを設計すること。
• 同じデバイス物理に基づくメモキャパシティブクロスバー分類器アーキテクチャを実装し、パターン認識タスクに適用すること。
• 入力信号の変動に応じたデバイス動作をシミュレーションし、非線形的かつ記憶依存の容量性応答を検証すること。
• 標準データセット（MNISTおよびCIFAR-10）を用いて、同等のメモリスティブ論理ゲートおよびクロスバーと比較して、性能と消費電力のベンチマークを実施すること。
• デバイスレベルのシミュレーションを用いて、ブール論理およびアナログ分類タスクにおけるエネルギー削減を定量すること。
• 容量性記憶メカニズムが、抵抗性メカニズムと比較して顕著に低いエネルギー損失で持続的状態保持を可能にすることを検証すること。

実験結果

リサーチクエスチョン

• RQ1 金属酸化物デバイスは、制御された製造パrameterによってメモキャパシティブ動作を示すように設計可能か？
• RQ2 メモキャパシティブ論理ゲートの消費電力は、メモリスティブ論理ゲートと比較してどの程度低いのか？
• RQ3 メモキャパシティブクロスバー分類器は、エネルギー消費を削減しながら、メモリスティブクロスバーと同等の分類精度を達成できるか？
• RQ4 実世界のデータセットベンチマークにおいて、メモキャパシティブアーキテクチャはメモリスティブアーキテクチャに比べてどの程度のエネルギー削減を実現できるか？

主な発見

• メモキャパシティブ論理ゲートは、メモリスティブと比較して約7倍低い消費電力で動作した。
• メモキャパシティブクロスバー分類器は、MNISTデータセットにおいてメモリスティブクロスバーと同等の分類精度を達成した。
• MNISTデータセットにおいて、メモキャパシティブクロスバーはメモリスティブバージョンと比較して、消費電力が約1,500倍低減した。
• CIFAR-10データセットにおいて、メモキャパシティブクロスバーの消費電力はメモリスティブベースラインと比較して約1,000倍低減した。
• シミュレーション結果から、メモキャパシティブデバイスがデジタル論理およびアナログAIワークロードの両方における超低消費電力コンピューティングへの実現可能性を示していることが確認された。
• 容量性記憶メカニズムにより、抵抗性スイッチングと比較して顕著に低いエネルギー損失で持続的状態保持が可能となった。