性XXXXFREEXXXXX牲交,久久久久精品午夜福利,亚洲熟肥妇女BBXX,小BBWBBWBBWBBWBBW

<ruby id="hrz3f"></ruby>

<noframes id="hrz3f"><listing id="hrz3f"><listing id="hrz3f"></listing></listing>

<noframes id="hrz3f"><address id="hrz3f"><nobr id="hrz3f"></nobr></address>
    <form id="hrz3f"><th id="hrz3f"><progress id="hrz3f"></progress></th></form>

    <noframes id="hrz3f">
      <address id="hrz3f"><listing id="hrz3f"><menuitem id="hrz3f"></menuitem></listing></address>

          當前位置 >>  首頁 >> 綜合信息 >> 綜合新聞

        綜合新聞

        微電子所在存內計算領域取得重要進展

        稿件來源:重點實驗室 張握瑜、張康瑋 發布時間:2022-07-04

          圖神經網絡小樣本學習廣泛應用于推薦系統、社交網絡、物理建模和芯片設計等領域,但其硬件實現面臨著圖數據特征提取困難、能耗高以及難以集成等問題。 

          針對上述問題,微電子所重點實驗室科研團隊在40nm 256Kb RRAM 芯片上實現了圖神經網絡小樣本學習的功能驗證。在算法層面,研究團隊開發了記憶增強圖神經網絡(Memory-augmented graph neural network, MAGNN)模型。該模型采用具有隨機固定權重的回聲狀態圖網絡(Echo state graph neural network, ESGNN)作為控制器提取圖數據特征,采用二值神經網絡(Binary neural network, BNN)作為編碼器,將全精度圖數據特征向量轉化為二值特征向量存儲到外部記憶單元中用于檢索。在硬件層面,研究團隊采用40nm 256Kb RRAM芯片以存內計算方式實現了完整的MAGNN模型(包括控制器、編碼器和外部記憶單元),并在引文網絡CORA數據集上實現78%的準確率。相比于傳統數字系統,基于RRAM芯片的MAGNN模型的核心檢索延時和推理功耗分別降低7060倍。 

          基于該成果的文章“Few-shot graph learning with robust and energy-efficient memory-augmented graph neural network (MAGNN) based on homogeneous computing-in-memory”入選2022 VLSI。微電子所博士生張握瑜為第一作者,尚大山研究員和香港大學王中瑞博士為通訊作者。 

         

        1. 基于RRAM芯片的記憶增強圖神經網絡模型

        附件:
        <ruby id="hrz3f"></ruby>

        <noframes id="hrz3f"><listing id="hrz3f"><listing id="hrz3f"></listing></listing>

        <noframes id="hrz3f"><address id="hrz3f"><nobr id="hrz3f"></nobr></address>
          <form id="hrz3f"><th id="hrz3f"><progress id="hrz3f"></progress></th></form>

          <noframes id="hrz3f">
            <address id="hrz3f"><listing id="hrz3f"><menuitem id="hrz3f"></menuitem></listing></address>

              日本xxxxx片免费观看喷水性XXXXFREEXXXXX牲交,久久久久精品午夜福利,亚洲熟肥妇女BBXX,小BBWBBWBBWBBWBBW 99久久国产精品免费热麻豆| 国产精品久久久久精品日日| 亚洲人成色7777在线观看不卡| 亚洲 小说 欧美 激情 另类| 亚洲精品美女久久久久99| 天天摸夜夜添添到高潮水汪汪| 国产精品水嫩水嫩| 精品国产精品久久一区免费式| 久久久久久久| 香蕉久久一区二区不卡无毒影院|