مقاله یک حافظه قابل آدرس دهی محتوای خازنی-ممریستیو با انرژی کارآمد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی An Energy-efficient Capacitive-Memristive Content Addressable Memory
عنوان مقاله به فارسی مقاله حافظه قابل توجه با محتوای حروف خازنی با انرژی کارآمد
نویسندگان Yihan Pan, Adrian Wheeldon, Mohammed Mughal, Shady Agwa, Themis Prodromakis, Alexantrou Serb
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 11
دسته بندی موضوعات Systems and Control,Image and Video Processing,سیستم ها و کنترل ، پردازش تصویر و فیلم ،
توضیحات Submitted 17 January, 2024; originally announced January 2024. , Comments: This work has been submitted to the IEEE TCAS-I for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible
توضیحات به فارسی ارسال شده 17 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد ، نظرات: این کار برای انتشار احتمالی به IEEE TCAS-I ارسال شده است.حق چاپ ممکن است بدون اطلاع قبلی منتقل شود ، پس از آن ممکن است این نسخه دیگر در دسترس نباشد

چکیده

Content addressable memory is popular in the field of intelligent computing systems with its searching nature. Emerging CAMs show a promising increase in pixel density and a decrease in power consumption than pure CMOS solutions. This article introduced an energy-efficient 3T1R1C TCAM cooperating with capacitor dividers and RRAM devices. The RRAM as a storage element also acts as a switch to the capacitor divider while searching for content. CAM cells benefit from working parallel in an array structure. We implemented a 64 x 64 array and digital controllers to perform with an internal built-in clock frequency of 875MHz. Both data searches and reads take 3x clock cycles. Its worst average energy for data match is reported to be 1.71 fJ/bit-search and the worst average energy for data miss is found with 4.69 fJ/bit-search. The prototype is simulated and fabricated in 0.18 um technology with in-lab RRAM post-processing. Such memory explores the charge domain searching mechanism and can be applied to data centers that are power-hungry.

چکیده به فارسی (ترجمه ماشینی)

حافظه قابل دسترسی به محتوا در زمینه سیستم های محاسباتی هوشمند با ماهیت جستجوی آن محبوب است.CAM های نوظهور افزایش امیدوارکننده در تراکم پیکسل و کاهش مصرف انرژی نسبت به راه حل های CMOS خالص را نشان می دهد.در این مقاله یک همکاری با انرژی 3T1R1C TCAM با تقسیم کنندگان خازن و دستگاه های RRAM کار می کند.RRAM به عنوان یک عنصر ذخیره سازی همچنین به عنوان سوئیچ به تقسیم کننده خازن هنگام جستجوی محتوا عمل می کند.سلولهای CAM از کار موازی در ساختار آرایه بهره مند می شوند.ما یک آرایه 64 64 و کنترل کننده های دیجیتال را اجرا کردیم تا با فرکانس ساعت داخلی داخلی 875 مگاهرتز انجام دهیم.هر دو جستجو و خواندن داده ها چرخه ساعت 3 برابر را انجام می دهند.گزارش شده است که بدترین انرژی آن برای مطابقت داده ها 1.71 FJ/BIT SEARCHEAD است و بدترین انرژی متوسط برای از دست دادن داده ها با 4.69 FJ/جستجوی بیت یافت می شود.نمونه اولیه در فناوری 0.18 UM با پردازش RRAM در LAB شبیه سازی و ساخته شده است.چنین حافظه مکانیسم جستجوی دامنه بار را بررسی می کند و می تواند در مراکز داده ای که گرسنه هستند استفاده شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.