Heterogeneous integration of high-density analog crossbar for advanced data processing

L的信息和通信技术公司提供了信息和通信服务，并提供了更多的信息和服务。在L的不适应环境下，重要的分析器、结构和非结构、解决方案的创新者和实施人员出席了会议和会议。L的《信息与范例》、L的《建筑与技术》。没有污染，没有一个方向的保护合并实现的Traver le Calcul生物灵感的应用程序的应用程序的具体的表演者倾注Traiter des données重要的Provenant de Provenant de Sourvende完全不同的，en temps réel et avec un trèteénergétique eprepreinteénergétique。联合国的例子是最宏伟的表演，这是一件很有意义的事情，因为它是由神经元人工制作的。首先，这是一种新的、广泛的技术应用，也就是超并行和分布式的结构--突触(Les Synapses)和L的整体突触(LES)。Nous提出了一种新的方法，即“机器学习”。我们提出了一种具有创新精神的策略，即L的操作和积累(MAC)操作与积累(MAC)相关联的操作与积累(MAC)策略，并强调应用“机器学习”的有效性。理性地提出了成熟和灵活的技术实现和更高的利润，S新公司提供了更多的利润。集成项目：(I)一体化类型(包装)：(I)不同类型的包装；(I)不同类型的包装；不同类型的包装；L的插入者是一种变化无常的极小化方法。(2)在“纵横交错”的情况下，被动和积极主动地将各种联系联系起来。解决问题的办法是：把S的工作做得更好，而不是把工作人员的工作做好。

Les Technologies de l'Information et de la Communication subissent de nos jours des changements majeurs qui devraient bouleverser notre conception et notre utilisation des systèmes électroniques. En raison de l'inadaptabilité des ordinateurs actuels pour analyser des données importantes, hétérogènes et non structurées, des solutions innovantes sont actuellement attendues et nécessaires. Ces systèmes nécessiteront de repenser en profondeur le traitement de l'information au niveau du paradigme, de l'architecture et des technologies de fabrication. Notamment, une direction prometteuse émerge actuellement à travers le calcul bio-inspiré qui apparaît particulièrement performant pour traiter des données importantes provenant de sources disparates, en temps réel et avec une très faible empreinte énergétique. Un exemple marquant est le niveau de performances atteint de nos jours par les réseaux de neurones artificiels pour la reconnaissance d'image ou les jeux stratégiques. Cependant, de tels systèmes bénéficieraient largement d'une technologie dédiée permettant d'implémenter leur structure ultra-parallèle et distribuée en termes de mémoire (les synapses) sur l'ensemble des noeuds de calcul (les neurones). Nous proposons dans ce projet de fabriquer un système versatile pour le développement de matériel pour le "Machine Learning". Nous proposons une stratégie évolutive, souple et innovante pour la mise en oeuvre du poids synaptique et de l'opération Multiply et ACcumulate (MAC ) associée qui est l'une des ressources les plus exigeantes pour des applications "machine learning" efficaces. Nous proposons de tirer profit à la fois de la maturité et flexibilité des technologies actuels et des fonctionnalités nouvelles offertes par les mémoires émergentes. Le projet présente deux niveaux d'intégration : (i) Une intégration de type « packaging » qui vise à intégrer des puces mémoires spécifiques sur un interposer CMOS actif permettant de générer, recevoir et distribuer les signaux entre les différentes puces mémoires. Cette approche permettra de minimiser la variabilité des puces mémoires et de préserver une flexibilité importante au niveau de l'interposer. (ii) Une intégration « sur puce » de mémoires résistives interconnectées en "crossbar" passif et présentant une amplification dédiée. Cette solution permettra d'atteindre des densités de points mémoires élevées tout en préservant les fonctionnalités de ces dernières.