در هوش مصنوعی به سرعت رشد امروز،، فون نویمان معماری سیستم سنتی توسط "دیوار حافظه محدود، که فاصله زیادی بین سرعت پردازش و سرعت حافظه انتقال اطلاعات، اجرای وظایف محاسباتی شبکه عصبی در مقیاس بزرگ است کشیده، هر دو سرعت و قدرت، آن را می تواند الزامات توسعه سریع هوش مصنوعی برآورده نمی کنند. بنابراین، از آنالوگ حالت مغز انسان از عمل، انتظار می رود برای رسیدن به محاسبات و ذخیره سازی موازی کلاس محاسبات مغز پدید آمده است. توسط مغز انسان سیناپس در حافظه و محاسبه الهام بخش می توان به طور همزمان انجام، محاسبه ممکن است رفتار سیناپس حافظه مقاومتی مغز آنالوگ، با تغییر دولت مقاومت یک حافظه مقاومتی، در حالی که تغییر ارزش ها وزن آن در شبکه، به موجب آن مقاومتی با توجه به مقاله گروه منتشر شده در ماهنامه ی طبیعت در ماه مه 2017، یک دستگاه مغز مانند می تواند مصرف انرژی را به یک هزار یکی زیر
شکل 1 نمودار محاسبات مغز
حافظه مقاومتی به عنوان دستگاه های الکترونیکی سیناپس امیدوار کننده ترین داشتن یک ساختار ساده، ولتاژ کم، و فرایندهای یکپارچه سازی در مقیاس بزرگ سازگار با CMOS و مزایای دیگر هستند، اما ارزش های دو طرفه چند مشخصه از حافظه مورد نیاز مقاومتی مغز مقاومتی محاسبه میکرو مکانیسم هنوز مشخص نیست، این مشکل دستگاه بهینه سازی عملکرد بیشتر به شدت محدود می کند. به اصطلاح چند ارزش دو جهته اشاره به مقاومت مشخصه مقاومتی از دستگاه می توانید از پایین به بالا یا بالا به پایین باشد به طور مداوم تغییر کرده است. محاسبات مغز بر اساس اکسیژن توزیع خالی مدل اثرات تصادفی RRAM، عمق اکتشاف متن برای مقاومتی دو طرفه رفتار چندارزشی حافظه اکسید مقاومتی روش شبیه سازی مونت کارلو برای شبیه سازی خالی اکسیژن تحت سلطه شرایط مقاومت در حال تغییر، پیشنهاد اختلال مفهوم تدریج بر رفتار ماکروسکوپی مقاومت در برابر تغییر به دلیل جای خالی اکسیژن توزیع میکروسکوپی. نتایج شبیه سازی نشان می دهد که جای خالی اکسیژن مختل تسهیل دو طرفه مقاومتی چند ارزش، است که برای مغز مقاومت حافظه مقاومتی اجرا به طور مداوم محاسبه تغییرات ارائه پشتیبانی نظری و هدایت بهینه سازی.
دستور و توزیع اختلال اکسیژن جای خالی جدول مقایسه
دستگاه های متعارف و دستگاه مقاومتی دو مداوم مقایسه مشخصه است.
مقاومتی با دسترسی تصادفی حفظ اطلاعات حافظه دارند، تاثیر قابل توجهی در عملکرد دستگاه و طول عمر است. اگر چه حافظه داده هیچ نبود از تحقیقات خوب است، اما اعمال شده به مغز کلاس برای محاسبه حافظه مورد نیاز مقاومتی از حفظ اطلاعات از حافظه و سنت اند به جز است که نیاز به سابق یک تغییر مستمر در محاسبه رسانندگی، و بنابراین بیشتر در مورد کشورهای متوسط داده (و نه فقط دو دولت مقاومت بالا در برابر و دولت دولت مقاومت کم) برگزاری توانایی نگران، در حالی که تحقیقات در این مشکل کمی. با مقاومتی حفظ اطلاعات حافظه در ویژگی های مغز محاسبه یک مقاله ابتدا برگزاری مورد مطالعه رفتار مشخصه حافظه مقاومتی آماری داشتن داده های چند کشور بر اساس متوسط آرایه رشته رسانا بر روی کاغذ 1KB تقسیم بر واحد 1024 و دستگاه های دیگر دولت مقاومت 8، حالت مدولاسیون دو طرفه تنظیم حالت مقاومت اولیه، و سپس در 125 درجه.] C، تکثر مختلف دولت مشاهده میانی از تغییرات توزیع حافظه هدایت سلول مقاومتی با زمان در درجه حرارت بالا پخته شده، هر یک از نتایج دولت مقاومتی نشان داد توزیع هدایت کننده یک توزیع متقارن با تراکم اولیه و گسترش با زمان را نشان داد. توزیع در نقطه مشاهده توزیع نرمال و توزیع نرمال نشان داد انحراف استاندارد پارچه قابلیت اطمینان در طول زمان افزایش می دهد، در حالی که میانگین بدون تغییر باقی مانده است. این یافته ها نشان می دهد که داده ها اعمال به آرایه حافظه مقاومتی، تراشه مغز و کامپیوتر شکست قانون، بلکه برای سلول های حافظه مقاومتی از بهینه سازی ویژگی چند مقدار نشان داد جهت
این شرکت در واقع در:
دانشگاه Tsinghua، ژائو یی وو Huaqiang راه نیروی کار و شرکتهای نوآور در مطالعه حافظه با دسترسی تصادفی مقاومتی یک همکاری طولانی مدت حفظ کرده است. ژائو یی نوآوری دکتر چن Hongyu شرکت، یک مدیر ارشد در این مطالعه همکاری نویسنده سمت کار کاغذ در کنار شرکت کردند، او گفت: بسیار سپاسگزار به استاد زی Gaobin و ژائو مه دانشجویان ران، تحقیقات خود را نه تنها در تراشه هوش مصنوعی انرژی کارآمد فراهم می کند یک مبنای نظری و دستگاه، همچنین برای چگالی بالا مقاومتی طراحی تراشه حافظه دارای اهمیت مهم در آینده نزدیک، دانشگاه Tsinghua و ژائو یی نوآوری هم با هم کار می کند تا آرایه های حافظه مقاوم تر مقاومت کند.
