|
MRAM通過外加電壓控制的磁體方向來存儲數據的每個bit位。如果電壓低于翻轉bit位所需的電壓，則可能只有一位翻轉。我們不希望存在這種隨機性，因此采用更高電壓驅動MRAM來預防這種情況發生。盡管如此，某些AI應用仍可以利用這種固有的隨機性（可以將其視為隨機選擇或生成數據的過程）。 它可將所有權重和激活精度降低到1位，從而大大降低遠邊緣應用的計算和功耗要求。根據網絡重新訓練的方式，有可能需要進行精度的權衡取舍。盡管降低了精度，神經網絡仍可以可靠地運行。 二元神經網絡（BNN）的獨特之處在于，即使一個數字是-1或+1的確定性減小了，它仍可以可靠地運行。即便引入被錯誤寫入的存儲位“誤碼率”降低了確定性，BNN仍然能夠以較高的精度運行。 MRAM可以在低電壓電平下自然地以受控方式引入誤碼率，在保持精度的同時進一步降低功耗要求。其關鍵在于確定最低電壓和最短時間下的最佳精度。這意味著最高能效。 盡管這項技術也適用于更高精度神經網絡，但它尤其適用于BNN，因為MRAM單元具有兩種狀態，恰好與BNN中的二值狀態相匹配。在邊緣使用MRAM是其另一個潛在應用。 對于邊緣AI，MRAM能夠在不要求高性能的應用中以較低的電壓運行，但提高能效和存儲器耐用性非常重要。此外MRAM固有的非易失性不需電源也可保存數據。 還有一種“統一存儲”，這種新興存儲既可以充當嵌入式閃存，又可以替代sram，在節省芯片面積的同時又避免了SRAM固有的靜態功耗。 |
