Aprendizaje automático basado en Reram

Título original:

Reram-Based Machine Learning

Contenido del libro:

La transición hacia la computación a exaescala ha provocado grandes transformaciones en los paradigmas informáticos. La necesidad de analizar y responder a cantidades tan grandes de conjuntos de datos ha llevado a la adopción de métodos de aprendizaje automático (ML) y aprendizaje profundo (DL) en una amplia gama de aplicaciones.

Uno de los principales retos es la obtención de datos de la memoria de cálculo y su escritura sin que se produzca un cuello de botella en la memoria. Para hacer frente a estos problemas, se ha introducido la computación en memoria (IMC) y los marcos que la sustentan. Los métodos de computación en memoria tienen un consumo ultrabajo y un almacenamiento integrado de alta densidad. La tecnología de memoria resistiva de acceso aleatorio (ReRAM) parece la solución IMC más prometedora debido a su potencia de fuga minimizada, su menor consumo de energía y su menor huella de hardware, así como a su compatibilidad con la tecnología CMOS, ampliamente utilizada en la industria.

En este libro, los autores introducen técnicas ReRAM para llevar a cabo computación distribuida utilizando aceleradores IMC, presentan arquitecturas IMC basadas en ReRAM que pueden realizar cálculos de ML y aplicaciones intensivas en datos, así como estrategias para mapear diseños de ML en aceleradores de hardware.

El libro sirve de puente entre los investigadores del ámbito informático (diseñadores de algoritmos para ML y DL) y los diseñadores de hardware informático.