بررسی قابلیت اطمینان و تحمل پذیری خطا در سیستم های مبتنی بر معماری Neuromorphic

هدف ما در این مقاله، بررسی قابلیت اطمینان و تحملپذیری خطا در پردازنده های نورومورفیک است. این پردازنده ها، تلاش میکنند تا شبکه های عصبی مصنوعی را با کارایی و سرعت بالا در سطح سخت افزاری پیاده نمایند . بنابراین باید با نحوه ی عملکرد شبکه های عصبی مصنوعی، شیوه های پیاده سازی آنها، انواع معماریهای پردازنده های نورومورفیک، خطاهای رایج در سخت افزار آشنا شویم، سپس انواع روشهای کاهش خطا در پردازنده های نورومورفیک را بررسی نماییم. در این مقاله، معماریهای رایجتر پردازنده های نورومورفیک را بررسی نمودهایم. امروزه رایجترین معماری، استفاده از حافظه های RRAM است که عمده تمرکز ما در این مقاله، بررسی تحمل پذیری خطا و روشهای بهبود آن در این معماری است. با توجه به اینکه شبکه های عصبی، به خاطر ساختار خود، قابلیت اطمینان بالایی دارند، از این قابلیت و ترکیب آن با تکنیک های کاهش خطا در سطح سختافزار، میتوان استفادهی مناسبی برای افزایش قابلیت اطمینان در پردازنده های نورومورفیک داشت.

کلیدواژه ها:

شبکه عصبی ، پردازنده ی نورومورفیک ، خطای سخت ، خطای نرم ، قابلیت اطمینان