适用于大规模ReRAM交叉阵列的可扩展高保真求解器：考虑I-V非线性特性

《ACM Transactions on Design Automation of Electronic Systems》：Scalable High-Fidelity Solver for Large-Scale ReRAM Crossbar Arrays Under I–V Nonlinearity

本文提出了一种高效可扩展的数值框架，用于模拟大规模ReRAM交叉阵列，在考虑IR-Drop、I-V非线性及器件噪声等非理想效应下，显著提升计算效率，平均加速比达162.9倍。

　　

摘要人工智能摘要

要查看此由人工智能生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

由于高集成密度和内在并行性，大规模电阻式随机存取存储器（ReRAM）交叉阵列在内存计算（IMC）应用中引起了极大的兴趣。为了系统地探索架构设计空间，准确的建模和高效的仿真至关重要。然而，随着阵列规模的增加，非理想效应（如IR-Drop、I-V非线性和器件噪声）会显著降低计算精度和效率。尽管基于SPICE的电路仿真器提供了高保真度，但它们过高的计算和内存开销使得在非理想条件下仿真大规模阵列变得不切实际。在本文中，我们提出了一种高效且可扩展的数值框架，用于在各种条件下仿真大规模ReRAM交叉阵列，包括理想行为、I-V非线性和器件噪声等。所提出的方法结合了Cholesky分解和快速迭代求解器以提高计算效率。实验结果表明，与现有求解器相比，我们的框架在模拟大规模ReRAM交叉阵列时实现了高精度，同时大幅减少了运行时间和内存消耗。在ReRAM非线性和IR-Drop效应下，这一优势尤为明显，在阵列规模从128到2048的情况下，与HSPICE相比平均加速了162.9倍。这项工作有助于高效且准确地探索下一代基于ReRAM的加速器的设计空间。

人工智能摘要

人工智能生成的摘要（实验结果）

该摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助发现、评估相关性，并协助来自相关研究领域的读者理解本文内容。它旨在补充作者提供的摘要，后者仍然是文章的官方总结。完整文章是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进和未来重新生成的版本。

要查看此由人工智能生成的通俗语言摘要，您必须具有高级访问权限。