基于带符号位的浮点数运算的多位宽3D RRAM设计

本文介绍了卷积神经网络(convolutional neutral network,CNN)系统中具有多位存储的三维阻变式存储器(threedimensional resistive random-access memory,3D RRAM)的带符号位的浮点数运算.与其他类型存储器相比,3D RRAM可以在存储器内部进行运算,且具有更高的读取速率和更低的能耗,为解决冯诺依曼架构的瓶颈问题提供新方案.单个RRAM单元的最大和最小电阻分别达到10 GΩ和10 MΩ,可在多级电阻状态下稳定,以存储多比特位宽的数据.测试结果表明,带符号位的浮点数的卷积运算系统的精度可以达到99.8%,测试中3D RRAM模型的峰值读取速度为0.529 MHz.