摘要 — 忆阻技术是替代传统内存技术的有吸引力的候选技术,并且还可以使用一种称为“状态逻辑”的技术来执行逻辑和算术运算。将数据存储和计算结合在内存阵列中可以实现一种新颖的非冯·诺依曼架构,其中两种操作都在忆阻内存处理单元 (mMPU) 中执行。mMPU 依赖于在不改变基本内存阵列结构的情况下向忆阻内存单元添加计算能力。使用 mMPU 可以缓解冯·诺依曼机器对性能和能耗的主要限制,即 CPU 和内存之间的数据传输。这里讨论了 mMPU 的各个方面,包括其架构和对计算系统和软件的影响,以及检查微架构方面。我们展示了如何改进 mMPU 以加速不同的应用程序,以及如何在 mMPU 操作中改进忆阻器的可靠性差的问题。
摘要 —本文介绍了一种由工作在亚阈值区域的串联 PMOS 器件组成的新策略和电路配置,用于实现极低频有源 RC 滤波器和生物放大器所需的超高值电阻器。根据应用不同,例如生物放大器中的信号带宽可能从几 mHz 到最高 10 kHz 不等。提出了三种不同的电阻结构来实现超高阻值。虽然提出的超高阻值伪电阻器的阻值在几 T Ω 的数量级,但它们占用的片上硅片面积很小,这是超低功耗可植入生物医学微系统中模拟前端电路设计的主要问题之一。此外,这些超高阻值电阻器导致使用小电容来产生非常小的截止频率。因此,实现电容所需的大面积也大大减少。所提出的电阻结构在宽输入电压范围(-0.5 V~+0.5 V)内变化很小,约为7%和12%,从而显著改善了生物放大器的总谐波失真和系统的模拟前端。在180nm CMOS工艺中设计的不同电路的仿真结果证明了所提出的超高阻值伪电阻的优势。
摘要——随着高速、高精度、低功耗混合信号系统的出现,对精确、快速、节能的模数转换器 (ADC) 和数模转换器 (DAC) 的需求日益增长。不幸的是,随着 CMOS 技术的缩小,现代 ADC 在速度、功率和精度之间进行权衡。最近,已经提出了四位 ADC/DAC 的忆阻神经形态架构。可以使用机器学习算法实时训练此类转换器,以突破速度-功率-精度权衡,同时优化不同应用的转换性能。然而,将此类架构扩展到四位以上具有挑战性。本文提出了一种基于四位转换器流水线的可扩展模块化神经网络 ADC 架构,保留了其在应用重新配置、失配自校准、噪声容忍和功率优化方面的固有优势,同时以延迟为代价接近更高的分辨率和吞吐量。 SPICE 评估表明,8 位流水线 ADC 可实现 0.18 LSB INL、0.20 LSB DNL、7.6 ENOB 和 0.97 fJ/conv FOM。这项工作朝着实现大规模神经形态数据转换器迈出了重要一步。
摘要:本文旨在研究补偿硅压力传感器的迟滞误差,以提高传感器精度。研究对象是基于MEMS技术的工业领域中的大量程扩散硅压阻式压力传感器。由于传感器的迟滞特性复杂,补偿困难,目前尚未见相关研究的先例。作者分析了迟滞特性的成因和影响因素,并通过实验证明了硅压力传感器满足广义Preisach模型的必要和充分条件。利用传感器的Preisach模型,采用逆广义Preisach模型的补偿算法对迟滞误差进行补偿,实验表明,补偿后迟滞误差明显减小,从而提高了传感器的精度。
ENDEVCO ® 8500 型扩散压阻式压力传感器是压力传感器系列,与 Endevco 生产高质量仪器的传统一脉相承。除了高质量和高性能之外,这些传感器还具有高度的微型化。该产品系列中最受欢迎的版本之一采用 10-32 UNF 螺纹外壳(直径 5 毫米)。由硅制成的压力传感表面的有效面积直径仅为 0.08 英寸(2 毫米)。性能和耐用性的关键在于独特的传感器设计,该设计结合了扩散到硅芯片中的四臂惠斯通电桥。Endevco 开发了一种特殊形状的硅芯片,而不是简单的平面隔膜,可将应力集中在电阻元件的位置。这可以提高给定共振频率的灵敏度,并大幅提高耐用性。小型传感器内包含桥平衡和温度补偿元件,以优化性能。这是通过使用混合电路制造技术实现的。
自从 20 世纪中叶麦卡洛克-皮茨神经元 1 和感知器 2 模型诞生以来,人工智能 (AI) 或人工神经网络 (ANN) 在很大程度上仍然是一个计算机科学术语。由于计算能力不足,本世纪后期的进展受到阻碍。1980-2000 年期间的集成电路制造无法在单个处理器和内存芯片上高密度集成晶体管。因此,在深度神经网络 (DNN) 或深度卷积神经网络 (DCNN) 3 上运行模拟并存储指数级累积的数据在时间和能源成本方面是不切实际的,尽管当时 ANN 模型已经相对完善 4-10 。随着芯片密度的提升以及对摩尔定律的追求带来的图形处理单元 (GPU) 等多核处理器的出现,再加上更高效的 ANN 算法 3,11,12,计算能力瓶颈在本世纪初得到成功解决。2012 年,具有十亿个连接的 DNN 被证明能够识别猫和人体等高度概念化的物体 13。同年,DNN 被证明在图像分类准确率方面与人类不相上下(基于 MNIST 数据库),甚至在交通标志识别方面也超越了人类 14。脉冲神经网络 (SNN) 由 Maass 于 1995 年提出 15,16,它采用脉冲
2022 年 5 月 27 日 — BUC、EAC 和 SWC 压缩为 CUCS。46. MCCS。MMACS。MMCS。MMNCS1。MMNCS2。MNCS。MRCS。MTCS。MUCS1。注:CTICS1 = 中东/北非。
由于福特动力产品公司销售种类繁多的工业发动机(在美国和海外生产),因此,尽可能完整地识别发动机非常重要,以便提供正确的更换零件。新发动机发货时包含一个标准零件清单,其中描述了零件,但并未告知车主零件号。识别零件号仍是经销商的职责。识别发动机的关键是安装在发动机摇臂盖上的识别标签。该标签不仅提供发动机序列号,还提供确切的型号或类型、选项和 S.O.(特殊订单)。这些数据的组合允许您分离精确的发动机、制造水平和客户,以便确定正确的更换零件。
该论文由罗德岛大学带给您。已被DigitalCommons@URI的授权管理员纳入Open Access Master的论文。有关更多信息,请联系DigitalCommons-group@uri.edu。要允许重复使用受版权的内容,请直接与作者联系。