[論文レビュー] Memristor Threshold Logic: An Overview to Challenges and Applications

Alex Pappachen James|arXiv (Cornell University)|Dec 6, 2016

Advanced Memory and Neural Computing参考文献 23被引用数 3

ひとこと要約

本論文は、メモリスタの抵抗スイッチング特性を活用したスイッチング論理の包括的概要を提示し、コン pact でエネルギー効率の高い回路を用いた認知コンピューティングシステムの実装可能性を強調している。メモリスタが状態を記憶し、抵抗レベルを切り替える能力を活かすことで、効率的なパターンマッチングおよび画像処理応用が可能となり、回路設計、スケーラビリティ、ニューロモルフィックアーキテクチャへの統合という点で主な貢献がなされている。

ABSTRACT

Once referred to as the missing circuit component, memristor has come long way across to be recognized and taken as important to future circuit designs. The memristor due to its ability to memorize the state, switch between different resistance level, smaller size and low leakage currents makes it useful for a wide range of intelligent memory and computing applications. This overview paper highlights broadly provides the uses of memristor in the implementation of cognitive cells for different imaging and pattern matching applications.

研究の動機と目的

• 次世代コンピューティングアーキテクチャのためのメモリスタを統合したスイッチング論理回路の統合を検討すること。
• 新興メモリおよび論理システムにおけるスケーラビリティ、信頼性、エネルギー効率の課題に対処すること。
• 画像処理およびパターン認識のための認知セルとしてのメモリスタの実用的利用の可能性を実証すること。
• 実世界の応用におけるメモリスタベースのスイッチング論理の実装のためのロードマップを提示すること。
• メモリスタ技術の計算システム分野における未解決の研究課題と今後の方向性を特定すること。

提案手法

• スイッチング論理ゲートの実装に、メモリスタの内在する抵抗スイッチング特性を活用する。
• 従来のCMOS素子と組み合わせたコンactな回路設計を採用し、ハイブリッド論理操作を実現する。
• スイッチング論理の原則を適用することで、単一のメモリスティブ要素を用いて多入力・多出力の操作を可能にする。
• 状態依存スイッチングをシミュレートするために、非線形抵抗特性を用いてメモリスタの挙動をモデル化する。
• 論理動作および安定性のシミュレーションベースの解析を通じて、回路機能の妥当性を検証する。
• パターン認識タスクのための、メモリスタベースの認知セルをより大きなニューロモルフィックシステムに統合するためのフレームワークを提案する。

実験結果

リサーチクエスチョン

• RQ1 メモリスタはどのようにして効果的にスイッチング論理回路を実装するために活用できるか？
• RQ2 実用的応用におけるスケーリングおよび安定化の観点で、メモリスタベースのスイッチング論理に直面する主な課題は何か？
• RQ3 エネルギー効率および面積スケーリングの観点で、メモリスタスイッチング論理は従来のCMOS論理とどのように比較できるか？
• RQ4 画像処理およびパターンマッチングシステムへのメモリスタベースの認知セルを統合するための設計原則は何か？
• RQ5 メモリスタスイッチング論理における信頼性およびばらつきの重大な問題点は何か、そしてそれらをどのように緩和できるか？

主な発見

• メモリスタベースのスイッチング論理は、複雑な論理関数のコンパクトで低消費電力な実装を可能にする。
• 埋め込まれた認知セルアーキテクチャのおかげで、効率的なパターンマッチングおよび画像処理が可能になる。
• シミュレーションにより、さまざまな入力条件下でもスイッチング論理回路が安定して動作することが確認された。
• メモリスタとCMOS技術の統合により、スケーラブルでエネルギー効率の高い回路設計が実現できる。
• フレームワークは、面積および消費電力の低減が見込まれるニューロモルフィックコンピューティングシステムへの応用の可能性を示している。
• 主な課題には、デバイスのばらつき、長期的な安定性、実装における抵抗状態の正確な制御が含まれる。