यह कार्य डिवाइस-स्तरीय भौतिकी को जोड़ता है – जिसमें रेजोनेंट टनलिंग और फ्लोटिंग-गेट डायनेमिक्स शामिल हैं – सीधे कॉम्पैक्ट मॉडलिंग और हार्डवेयर-जागरूक बेंचमार्किंग के माध्यम से एआई सिस्टम प्रदर्शन से, उभरती हुई मेमोरी प्रौद्योगिकियों का आम तौर पर मूल्यांकन कैसे किया जाता है, इसमें एक महत्वपूर्ण सीमा को संबोधित किया जाता है।
कंपनी इस कार्य को गुणवत्ता इलेक्ट्रॉनिक डिजाइन (आईएसक्यूईडी) पर अंतर्राष्ट्रीय संगोष्ठी में भी प्रस्तुत करेगी। 2026, सैन फ्रांसिस्को में हो रहा है 8-10 अप्रैल तक.
इन-मेमोरी कंप्यूटिंग के लिए अल्ट्रारैम 4×4 ऐरे
प्रस्तुति, के लिए निर्धारित शुक्रवार 10 अप्रैल प्रातः 9:20 बजे(सत्र 5ए), सिस्टम एकीकरण और डिजाइन संबंधी विचारों पर ध्यान केंद्रित करेगा, जिससे अल्ट्राराम को इलेक्ट्रॉनिक डिजाइन ऑटोमेशन (ईडीए) और सिस्टम डिजाइन समुदाय में लाया जाएगा।
“न्यूरोमॉर्फिक अनुप्रयोगों के लिए अल्ट्राराम मेमोरी डिवाइस पर आधारित कृत्रिम सिनैप्स” शीर्षक वाला पेपर दर्शाता है कि कैसे अल्ट्राराम को अगली पीढ़ी के एआई हार्डवेयर के लिए सिनैप्टिक मेमोरी तत्व के रूप में मॉडल और मूल्यांकन किया जा सकता है।
आईआईटी रूड़की और लैंकेस्टर यूनिवर्सिटी के सहयोग से विकसित, यह कार्य एक भौतिकी-आधारित कॉम्पैक्ट मॉडलिंग ढांचे का परिचय देता है जो डिवाइस-स्तरीय व्यवहार को जोड़ता है – जिसमें अनुनाद टनलिंग और फ्लोटिंग-गेट चार्ज डायनेमिक्स शामिल हैं – सर्किट- और सिस्टम-स्तरीय प्रदर्शन के लिए।
यह पहली बार, CIFAR-10 वर्गीकरण जैसे कार्यों पर क्रॉसबार ऐरे सिमुलेशन और DNN + न्यूरोसिम बेंचमार्किंग का उपयोग करके, न्यूरोमॉर्फिक और इन-मेमोरी कंप्यूटिंग आर्किटेक्चर में ULTRARAM के हार्डवेयर-जागरूक मूल्यांकन को सक्षम बनाता है।
क्विनअस टेक्नोलॉजी के सीईओ जेम्स एशफोर्थ-पुक ने कहा, “आज के अधिकांश एआई हार्डवेयर अनुसंधान आदर्श धारणाओं के तहत मेमोरी प्रौद्योगिकियों का मूल्यांकन करते हैं।” “यह काम एक अलग दृष्टिकोण लेता है – वास्तविक डिवाइस भौतिकी को सीधे सिस्टम-स्तरीय प्रदर्शन से जोड़ना। अगर हमें व्यावहारिक, ऊर्जा-कुशल एआई सिस्टम बनाना है तो यह आवश्यक है।”
शोध से पता चलता है कि ULTRARAM पारंपरिक SRAM-आधारित दृष्टिकोणों की तुलना में ऊर्जा दक्षता और क्षेत्र में लाभ प्रदान करते हुए प्रतिस्पर्धी सटीकता प्राप्त कर सकता है, जो भविष्य के AI हार्डवेयर के लिए एक मंच के रूप में इसकी क्षमता को उजागर करता है।
प्रमुख लेखक अभिषेक कुमार ने कहा: “भौतिकी-आधारित मॉडलिंग को सिस्टम-स्तरीय बेंचमार्किंग के साथ एकीकृत करके, हम बेहतर ढंग से समझ सकते हैं कि आदर्श मॉडल पर भरोसा करने के बजाय उभरती मेमोरी प्रौद्योगिकियां वास्तविक एआई वर्कलोड में कैसे व्यवहार करती हैं।”
ULTRARAM III-V कंपाउंड सेमीकंडक्टर हेटरोस्ट्रक्चर पर आधारित है और अल्ट्रा-लो एनर्जी स्विचिंग और लंबे डेटा रिटेंशन को सक्षम करने के लिए रेज़ोनेंट टनलिंग का लाभ उठाता है, जो इसे न्यूरोमॉर्फिक और इन-मेमोरी कंप्यूटिंग अनुप्रयोगों के लिए एक उम्मीदवार के रूप में स्थापित करता है।
पेपर यहां उपलब्ध है: https://doi.org/10.1063/5.0314826
सम्मेलन विवरण: https://www.isqed.org/
