Apprendimento automatico basato su Reram

Titolo originale:

Reram-Based Machine Learning

Contenuto del libro:

La transizione verso l'exascale computing ha portato a grandi trasformazioni nei paradigmi informatici. La necessità di analizzare e rispondere a tali grandi quantità di dati ha portato all'adozione di metodi di machine learning (ML) e deep learning (DL) in un'ampia gamma di applicazioni.

Una delle sfide principali è il recupero dei dati dalla memoria di calcolo e la loro scrittura senza che si verifichi un collo di bottiglia nella memoria. Per risolvere questi problemi, sono stati introdotti l'in-memory computing (IMC) e i framework di supporto. I metodi di in-memory computing sono a bassissima potenza e ad alta densità di memoria incorporata. La tecnologia Resistive Random-Access Memory (ReRAM) sembra essere la soluzione IMC più promettente grazie alla sua potenza di dispersione ridotta al minimo, al consumo energetico ridotto e all'ingombro hardware minore, nonché alla sua compatibilità con la tecnologia CMOS, ampiamente utilizzata nell'industria.

In questo libro, gli autori introducono le tecniche ReRAM per l'esecuzione di calcoli distribuiti utilizzando acceleratori IMC, presentano architetture IMC basate su ReRAM in grado di eseguire calcoli di applicazioni ML e ad alta intensità di dati, nonché strategie per mappare progetti ML su acceleratori hardware.

Il libro funge da ponte tra i ricercatori del settore informatico (progettisti di algoritmi di ML e DL) e i progettisti di hardware informatico.