【新思科技IP资源】为 AI SoC 选择存储器IP以及架构

arui1999

【新思科技IP资源】为 AI SoC 选择存储器IP以及架构 [复制链接]

深度机器学习 (ML) 和人工智能 (AI) 的发展步伐，正在改变计算领域的各个层面，涉及硬件架构、软件、芯片制造和系统封装等。我们在两个方面取得的重大进展敞开了实施机器学习新技术的大门。第一项进展，即拥有海量数据（即“大数据”）可供系统处理。第二项进展，即先进的 GPU 架构现已支持分布式计算并行化。有了这两项重大进展，设计师可以利用依托密集计算和大量分布式存储器的新技术，提供强大的新型计算能力。

 

基于神经形态计算的机器学习，可利用脉冲神经网络 (SNN)、深度神经网络 (DNN) 和受限玻尔兹曼机器 (RBM) 技术。“大计算”结合大数据，利用基于统计的高维计算 (HDC)，这种计算以模式为基础，支持基于联想记忆和持续学习的推理，以模仿人类记忆的学习和保留序列。

 

新兴的存储器有存算一体 SRAM、STT-MRAM、SOT-MRAM、ReRAM、CB-RAM 和 PCM。每种开发类型都会同时尝试实现 AI 计算的转换。各种类型共同提高了在计算能力、能源效率、密度和成本方面的优势。

 

阅读更多内容...

Jacktang

没有一种存储器类型是适合所有人工智能芯片的“完美”存储器，每种存储器都有其优点。