4. Emerging Memory Devices for Neuromorphic Systems

Das Kapitel beginnt mit der Hervorhebung der Herausforderungen, die durch die Vielzahl von Parametern und Zeitwerten entstehen, die für neuromorphe Systeme erforderlich sind und die die lokalen Speicherkapazitäten konventioneller von-Neumann-Architekturen deutlich übersteigen. Es wird die Notwendigkeit eines effizienten Speicherzugriffs mit geringer Latenz diskutiert, um Inferenz-, Lern- und Debugging-Funktionalitäten zu ermöglichen, wobei die Bedeutung robuster und schneller Speichersysteme betont wird. Der Text untersucht die Integration von Gedächtnis und Rechenleistung in neuromorphen Systemen und kontrastiert sie mit der von-Neumann-Architektur, in der das Gedächtnis typischerweise von der zentralen Verarbeitungseinheit getrennt ist. Diese Integration ermöglicht einen sofortigen Speicherzugriff, reduziert die Latenz und beseitigt Engpässe, was für die Replikation der schnellen Reaktionszeiten in biologischen neuronalen Netzwerken von entscheidender Bedeutung ist. Das Kapitel geht auf verschiedene Speichertechnologien ein, darunter SRAM, eDRAM, STT-RAM, RRAM, PCM und FeFET, die jeweils unterschiedliche Zielkonflikte hinsichtlich Flächeneffizienz, Stromverbrauch, Lese- / Schreibgeschwindigkeit, Ausdauer und Datenspeicherung bieten. Es bietet eine detaillierte Taxonomie dieser Speichertechnologien und hebt ihre einzigartigen Vorteile und Einschränkungen im Kontext neuromorpher Anwendungen hervor. Der Text diskutiert auch die Organisation des Gedächtnisses innerhalb neuromorpher Systeme, wobei der Schwerpunkt auf der Speicherung und Abfrage von Aktionspotenzialen, Neuronenzuständen und synaptischer Information liegt. Es untersucht verschiedene Neuronenmodelle und ihre Betriebsmodi und betont die Bedeutung einer effizienten Speicherorganisation für eine Speicherung mit hoher Dichte und ein schnelles Auffinden. Das Kapitel schließt mit einer Untersuchung von Lernprozessen in neuromorphen Systemen, in-situ und ex-situ Lernmethoden und Schlüsselfragen wie Leitfähigkeitsdrift, Retention und Ausdauer. Es bietet einen umfassenden Überblick über die gegenwärtige Landschaft neuromorpher Gedächtnissysteme und ihr Potenzial, effizientere, hirnähnliche Computerparadigmen zu ermöglichen.