Detailseite
Projekt
Hardwarerealisierung von universellen speicherbasierten memristiven zellularen Rechnerstrukturen
Antragsteller
Professor Dr. Ricardo Carmona-Galan; Dr.-Ing. Vikas Rana, Ph.D.; Professor Dr. Ronald Tetzlaff
Fachliche Zuordnung
Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
Förderung
Förderung seit 2020
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 441957207
In Mem2CNN-Phase II beabsichtigen wir das Einsatzgebiet von memristiven Bauelementen über deren Einsatz in Zellen von Memristiven Zellularen Neuronalen Netzwerken (M-CNN) selbst zu erweitern. Das ultimative Ziel des vorgeschlagenen Projekts ist die Erforschung und Implementierung neuartiger Hardware einer universellen Nicht-von-Neumann-Computerarchitektur mit gespeicherter Programmierbarkeit, welche die M-CNN Universal Machine (M-CNNUM) verwirklicht. Im vorgeschlagenen System werden memristive Crossbar-Anordnungen verwendet, um eine M-CNN-Genfamilie, das sogenannte Chromosom, zu implementieren. In der CNN-Theorie sind Chromosomen Ansammlungen von CNN-Genen, die ähnlich den algorithmischen Operationen in herkömmlichen Computersystemen nacheinander ausgeführt werden, um verschiedene Rechenaufgaben auszuführen. Mit memristiven Crossbars können Skalarprodukte in einem Schritt berechnet werden. Dadurch ermöglichen sie direkt die für die Berechnung des Offsets jeder MCNN-Zelle notwendigen Multiplikations- und Akkumulationsoperationen. Der Offset entspricht dem, durch das synaptische Gewicht des jeweilen Gens gewichteten, aggregierten Beitrag der Eingabe und Ausgabe benachbarter Zellen sowie einer vorgebbaren Konstante. Anschließend werden wir diese neuartige Chromosomen-Memristor-Crossbar-Struktur mit der reichhaltigen Dynamik des M-CNN-Kerns verbinden, der sowohl lokalen nichtflüchtigen Speicher als auch Memcomputing-Funktionen bietet, um die gesamte M-CNNUM-Zelle zu entwerfen und die automatisierte Nacheinander-Ausführung von M-CNNUM-Rechenoperationen in Hardware zu demonstrieren. Um die Systementwicklung zu erleichtern, werden wir Mixed-Signal-Designtechniken einsetzen und dabei die kompakten energieeffizienten analogen Rechenkerne in Kombination mit der digitalen Steuerschaltung, die den Systembetrieb und die Datenübertragung verwaltet, nutzen. Dieses Design, das massiv parallele M-CNNUM-Operationen ermöglicht und eine hohe Geschwindigkeit bei geringem Energieverbrauch erreicht, soll alle Zuverlässigkeitsprobleme der CMOS/Memristor-Schaltungen berücksichtigen. Darüber hinaus werden wir innovative Techniken für den Entwurf der neuartigen M-CNNUM-Mikroarchitektur, für deren internes Design und die Organisation dieses neuartigen Computers, einsetzen. Schließlich werden wir eine Software-Simulationsinfrastruktur implementieren, die den Betrieb der vorgeschlagenen M-CNNUM-Hardware genau beschreibt und zur Demonstration des ordnungsgemäßen Betriebs des M-CNNUM-Systems bei realen Aufgaben, z. B. Bildverarbeitung, verwendet wird. Außerdem soll ein kleines funktionelles M-CNNUM-Array für den Proof-of-Concept physikalisch realisiert werden. Die Hauptziele der Mem2CNN-Phase II sind: 1. Entwicklung einer matrizenbasierter M-CNNUM-Chromosomenstruktur 2. Demonstration der Funktionsweise von M-CNNUM-Anweisungen auf der hergestellten Hardware, 3. Realisierung einer M-CNNUM-Mikroarchitektur, 4. Proof-of-Concept-Anwendung der entwickelten M-CNNUM-Implementierung
DFG-Verfahren
Schwerpunktprogramme
Internationaler Bezug
Spanien
Mitverantwortlich
Dr.-Ing. Stephan Menzel
