L'architettura a crossbar N-aria consente l'inferenza neurale multibit

Un framework di simulazione progettato per architetture a crossbar N-arie consente l'inferenza di reti neurali con poche assunzioni. I compiti di classificazione XOR e MNIST sono stati eseguiti utilizzando un array crossbar simulato a giunzione tunnel magnetica (MTJ) a 4 stati configurato come 4x4. La precisione per MNIST ha raggiunto il 94,48%, inferiore al 97,56% ottenuto dal software. Per ridurre il divario di prestazioni tra software e hardware, è stata utilizzata la riduzione della dimensionalità PCA. È stato determinato che la quantizzazione dei pesi era la principale fonte di errore, analizzata insieme a non idealità sistematiche e rumore casuale. È interessante notare che il rumore casuale specifico della cella è risultato meno dannoso degli errori sistematici a causa dell'effetto di mediazione sull'array. È stato inoltre dimostrato un equilibrio ottimale del numero di stati per cella per minimizzare l'errore di quantizzazione.