کتاب طراحی و تحلیل محاسبات درون‌حافظه‌ای (IMC) در تراشه‌های SRAM: رویکردی نوین برای هوش مصنوعی سخت‌افزاری با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و تحلیل محاسبات درون‌حافظه‌ای (IMC) در تراشه‌های SRAM: رویکردی نوین برای هوش مصنوعی سخت‌افزاری

موضوع کلی: ریزالکترونیک و طراحی مدارهای مجتمع

موضوع میانی: معماری‌های نوین حافظه در پردازش‌های پیشرفته

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی و ضرورت‌های محاسبات درون‌حافظه‌ای در معماری‌های نوین
  • 2. ساختار سلول‌های حافظه SRAM و محدودیت‌های معماری فون‌نومان
  • 3. معرفی مفاهیم پایه محاسبات درون‌حافظه‌ای دیجیتال
  • 4. معرفی مفاهیم پایه محاسبات درون‌حافظه‌ای آنالوگ
  • 5. تحلیل گلوگاه حافظه در پردازشگرهای هوش مصنوعی
  • 6. مدل‌سازی پارامترهای فیزیکی در سلول‌های SRAM
  • 7. بررسی توپولوژی‌های مختلف سلول‌های حافظه برای کاربردهای محاسباتی
  • 8. تحلیل تأثیر تغییرات فرایندی بر عملکرد تراشه‌های حافظه
  • 9. طراحی مدارهای منطقی مبتنی بر حافظه برای عملیات ضرب و جمع
  • 10. بررسی مکانیزم‌های خواندن و نوشتن در معماری‌های IMC
  • 11. تکنیک‌های کاهش توان مصرفی در آرایه‌های حافظه محاسباتی
  • 12. مدل‌سازی تأخیر در مسیرهای انتقال داده درون‌تراشه‌ای
  • 13. بررسی خطاهای محاسباتی در محاسبات آنالوگ درون‌حافظه‌ای
  • 14. تکنیک‌های جبران‌سازی برای بهبود دقت در IMC آنالوگ
  • 15. طراحی مبدل‌های آنالوگ به دیجیتال در حاشیه آرایه‌های حافظه
  • 16. تحلیل نسبت سیگنال به نویز در مدارهای محاسباتی مبتنی بر جریان
  • 17. بررسی اثرات نشت جریان در فناوری‌های زیر ۱۰ نانومتر
  • 18. معماری‌های مبتنی بر ولتاژ در محاسبات درون‌حافظه‌ای
  • 19. معماری‌های مبتنی بر جریان در محاسبات درون‌حافظه‌ای
  • 20. طراحی واحدهای جمع‌کننده در آرایه‌های SRAM
  • 21. بهینه‌سازی مصرف انرژی در عملیات ضرب‌ماتریسی
  • 22. شبیه‌سازی مدارات IMC با استفاده از ابزارهای استاندارد طراحی (EDA)
  • 23. مدل‌سازی سطح سیستم برای ارزیابی کارایی محاسبات درون‌حافظه‌ای
  • 24. بررسی چالش‌های مقیاس‌پذیری در طراحی‌های چند‌هسته‌ای
  • 25. مقایسه کارایی معماری‌های دیجیتال و آنالوگ در کاربردهای یادگیری ماشین
  • 26. تکنیک‌های مدیریت حرارتی در تراشه‌های حافظه متراکم
  • 27. بررسی تأثیر نوسانات ولتاژ منبع تغذیه بر پایداری محاسبات
  • 28. طراحی ساختارهای تست و عیب‌یابی (DFT) برای مدارهای IMC
  • 29. ارزیابی قابلیت اطمینان سلول‌های SRAM در شرایط کاری سخت
  • 30. روش‌های مدل‌سازی سطح بالا برای پیش‌بینی توان و تأخیر
  • 31. بررسی معماری‌های حافظه در شتاب‌دهنده‌های هوش مصنوعی بومی
  • 32. تحلیل تأثیر ابعاد ترانزیستور بر دقت محاسبات
  • 33. طراحی زیرسیستم‌های کنترلی برای هماهنگ‌سازی محاسبات حافظه‌محور
  • 34. بررسی استانداردهای طراحی مدارهای مجتمع در صنایع نیمه‌هادی
  • 35. روش‌های کاهش مساحت در طراحی آرایه‌های حافظه محاسباتی
  • 36. تحلیل پایداری در مدارهای منطقی مبتنی بر SRAM
  • 37. بررسی محدودیت‌های پهنای باند در انتقال داده‌های وزنی
  • 38. روش‌های بهینه‌سازی الگوریتم‌های هوش مصنوعی برای انطباق با سخت‌افزار IMC
  • 39. تکنیک‌های کاهش اثرات نویز در مدارهای آنالوگ IMC
  • 40. استراتژی‌های طراحی برای بهبود نرخ بهره‌وری انرژی (TOPS/W)
  • 41. بررسی آینده معماری‌های محاسباتی در تراشه‌های هوش مصنوعی داخلی
تگ‌ها: In-Memory Computing پردازش هوش مصنوعی حافظه آنالوگ و دیجیتال ریزالکترونیک طراحی تراشه طراحی مدارهای مجتمع محاسبات درون‌حافظه‌ای مدل‌سازی مدارهای VLSI معماری SRAM

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.