中科院微电子所在存内计算领域取得重要进展

标签:微电子
分享到:

中科院微电子所重点实验室科研团队在40nm 256Kb RRAM 芯片上实现了图神经网络小样本学习的功能验证。在算法层面,研究团队开发了记忆增强图神经网络(Memory-augmented graph neural network, MAGNN)模型。该模型采用具有随机固定权重的回声状态图网络(Echo state graph neural network, ESGNN)作为控制器提取图数据特征,采用二值神经网络(Binary neural network, BNN)作为编码器,将全精度图数据特征向量转化为二值特征向量存储到外部记忆单元中用于检索。在硬件层面,研究团队采用40nm 256Kb RRAM芯片以存内计算方式实现了完整的MAGNN模型(包括控制器、编码器和外部记忆单元),并在引文网络CORA数据集上实现78%的准确率。相比于传统数字系统,基于RRAM芯片的MAGNN模型的核心检索延时和推理功耗分别降低70和60倍。 

  基于该成果的文章“Few-shot graph learning with robust and energy-efficient memory-augmented graph neural network (MAGNN) based on homogeneous computing-in-memory”入选2022 VLSI。微电子所博士生张握瑜为第一作者,尚大山研究员和香港大学王中瑞博士为通讯作者。 

 

44740fd1bcebd59a94cb024fe348ba13

图1. 基于RRAM芯片的记忆增强图神经网络模型

继续阅读
中科院微电子所在新型垂直互补场效应晶体管(CFET)结构设计与仿真研究方面取得进展

垂直堆叠纳米线/纳米片全包围栅(Gate All Around, GAA)互补场效应晶体管(Complementary Field Effect Transistor,CFET),将不同导电沟道类型(N-FET和P-FET)的GAA器件在垂直方向进行高密度三维单片集成。

中科院微电子所在超低功耗IC与AI领域取得新进展

近日,中科院微电子所感知中心低功耗智能技术与微系统团队在低功耗集成电路设计与人工智能领域取得新进展,成功研发出基于亚阈值技术的超低功耗基础电路单元以及超低功耗语音关键词识别技术,可广泛应用于低功耗智能芯片与微系统。

中科院微电子所在存内计算领域取得重要进展

中科院微电子所重点实验室科研团队在40nm 256Kb RRAM 芯片上实现了图神经网络小样本学习的功能验证。在算法层面,研究团队开发了记忆增强图神经网络(Memory-augmented graph neural network, MAGNN)模型。

中科院微电子所在DRAM领域取得重要研究进展

DRAM是存储器领域最重要的分支之一。随着尺寸微缩,传统1T1C结构的DRAM的存储电容限制问题以及相邻存储单元之间的耦合问题愈发显著,导致DRAM进一步微缩面临挑战。

中科院微电子所在多模态神经形态感知方面获重要进展

躯体感受系统中的多模态感知可帮助人们获得更全面的物体属性,并对物体的状态做出准确判断。尤其是不同受体的感觉信号在一定的条件下还可被神经元整合并发送到大脑皮层作进一步处理

精彩活动