Memristor Crossbar Array Simulation for Deep Learning Applications
Díaz Machado, Elvis (Universitat Autònoma de Barcelona)
López Vicario, José (Universitat Autònoma de Barcelona)
Miranda, Enrique (Universitat Autònoma de Barcelona)
Morell Pérez, Antoni (Universitat Autònoma de Barcelona)

Date:	2024
Abstract:	Hardware neural networks (HNNs) based on crossbar arrays are expected to be energy-efficient computing architectures for solving complex tasks due to their small feature sizes. Although there exist software libraries able to deal with circuit simulation of memristor networks, they still exceed the memory available of any consumer grade GPU's VRAM for large scale crossbar arrays while having a significant computational complexity. This work discusses an iterative method to implement a fast simulation of the corresponding memristor crossbar array with much more limited memory use.
Grants:	Agencia Estatal de Investigación TED2021-129134B-I00
Note:	Altres ajuts: acords transformatius de la UAB
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Language:	Anglès
Document:	Article ; recerca ; Versió publicada
Published in:	IEEE transactions on nanotechnology, Vol. 23 (June 2024) , p. 512-515, ISSN 1941-0085

DOI: 10.1109/TNANO.2024.3415382

4 p, 685.3 KB

The record appears in these collections:
Articles > Research articles
Articles > Published articles