XiaoMi-AI文件搜索系统
World File Search Systemmtj
基于 CMOS/STT-MRAM 的 Ascon LWC
摘要 — 物联网 (IoT) 对象的使用日益增多，因此有必要开发低功耗安全电路。轻量级加密 (LWC) 算法用于在有限的功耗下保护这些连接对象的通信。能量收集技术可以提供物联网对象所需的电力。但是，它可能遭受突然断电，导致系统微控制器停止运行。为了使加密原语能够从意外断电中快速恢复，我们提出了一种基于 CMOS/MRAM 的 A SCON 密码硬件实现，该密码是美国国家标准与技术研究所 (NIST) LWC 竞赛的决赛入围者。我们专注于从 MTJ 电气模型开始的 ASIC 设计流程，而无需重新开发现有的 EDA 工具。作为研究案例，A SCON 计算的中间状态可以存储在非易失性存储器中，并在断电后启动时恢复，从而节省重新计算算法第一步的能源成本。此实现可节省 11% 至 48% 的能源，面积开销为 5.5%。索引术语 —A SCON、LWC、STT-MRAM、MTJ、非挥发性
碳酸酐酶4破坏和药理抑制作用减少了羟考酮后的突触和行为适应。作者：S
关键字：CA4，ASIC1A，碳酸酐酶，羟考酮戒断，突触可塑性，阿片类药物寻求通信地址：John A. Wemmie MD，PhD Roy J.和Lucille A.爱荷华州爱荷华州的卡弗学院，爱荷华州52242电话：319-384-3173传真：319-384-3176电子邮件：john-wemmie@uiowa.edu@uiowa.edu作者贡献：概念化：概念化：SG，SG，SG，RL，JW;实验，数据收集，分析：SG，AG，RJT，MTJ，RF；资金和管理：RL，JW；写作：SG，RJT，RL，JW利益冲突：作者宣布没有竞争的财务利益。爱荷华州爱荷华州的卡弗学院，爱荷华州52242电话：319-384-3173传真：319-384-3176电子邮件：john-wemmie@uiowa.edu@uiowa.edu作者贡献：概念化：概念化：SG，SG，SG，RL，JW;实验，数据收集，分析：SG，AG，RJT，MTJ，RF；资金和管理：RL，JW；写作：SG，RJT，RL，JW利益冲突：作者宣布没有竞争的财务利益。
1064 nm 激光攻击与热损伤相关性...
a 艾克斯马赛大学，CNRS，IM2NP，13451 马赛，法国。b SPINTEC，格勒诺布尔阿尔卑斯大学，CNRS，CEA-SPINTEC，CEA，38000 格勒诺布尔，法国。摘要本文首次在读写操作过程中实时实验研究了 1064nm 激光攻击对 STT-MRAM 单元的影响，以了解传感电路在剧烈温度变化下的行为。技术设计必须考虑到这一点。我们重点介绍了激光发射过程中的读取电流变化，这可能会影响传感电路。我们测量了两种状态之间的切换概率以及照射时间、激光功率和单元尺寸的影响。我们将结果与宽温度范围内的电气特性相关联，表明攻击会以热方式影响 STT-MRAM 行为。总之，可以采取适当的对策。 1. 简介 一种很有前途的非易失性存储器，称为自旋转移力矩磁性随机存取存储器 (STT-MRAM)，它将快速写入操作与高密度和显着的耐久性（高达 1013 次循环）相结合 [1,2]。磁隧道结 (MTJ) 由 CoFeB/MgO/CoFeB 堆栈组成，其中 MgO 层用作隧道阻挡层。通过强制自旋极化电流通过设备，可以将单元从反平行 (AP) 状态编程为平行 (P) 状态和反之亦然。自旋电流的横向分量被自由层吸收，导致 CoFeB 铁磁材料磁化发生扭矩诱导反转，即自旋转移力矩 (STT) 效应 [3,4]，详见 [5]。磁化方向是 MTJ 中数据编码的形式，其读/写延迟由反转的随机性、器件尺寸和流过各层的电流控制 [6]。MTJ 的一个重要特性是隧道磁阻比 (TMR)，定义为 (R AP - RP )/RP ，其中 R AP 和 RP 分别是 AP 和 P 状态的电阻 [7]。本研究的目的是调查红外激光攻击如何影响读取和编程阶段的 STT-MRAM 行为。此外，我们还旨在了解激光攻击的物理贡献，这可能是
双参考层STT-MRAM结构提高了性能
自旋转移扭矩磁盘磁盘随机记忆（STT-MRAM）是一项新兴技术，该技术旨在取代其不易作用，并且由于其不易作用，并且越来越改善功耗，高存储密度，快速的写作速度，强大的耐力和长期数据退休，因此可能会替代其不易启动性的闪光，DRAM和慢速SRAM。如图1A，STT-MRAM设备由铁电磁（FM）参考层（RL）组成，具有固定磁化方向，绝缘体隧道屏障（TB）和铁磁自由层（FL），具有可变的磁化方向。这三层的连接形成了磁性隧道连接（MTJ），由于这是单元的中心分量，因此整个结构被称为单个MTJ（SMTJ）。信息是基于出现的不同电阻水平存储的，当将FL磁化设置为平行（P）或反平行（AP）与RL磁化方向时。这些磁化状态之间的变化是通过通过与层堆栈平行的结构进行足够大的电流来实现的[1]。目前，STT-MRAM设备面临的挑战之一是它们的小型化是为了达到增加的存储密度，这将使它们用于更广泛的应用，从而扩大了对常规波动记忆的竞争力。该目标的主要途径是减小位单元大小，该大小主要由提供开关电流所需的接触尺寸确定。因此，降低电流和同样的电压，
使用非易失性逻辑的边缘人工智能硬件的前景
(1) D. Evans，“物联网：互联网的下一次发展将如何改变一切”，（白皮书），https：//www。cisco.com / c / dam / global / ru_ua / assets / pdf / iot-ibsg-0411final。pdf（访问日期 2020-01-04）。(2) G.E.Moore，“将更多组件塞入集成电路”，Proc.IEEE，卷。86，号。1，页。82-85，1998 年 1 月，电子学，卷。38，号。8，页。114-117，1965 年 4 月。(3) A. Chien 和 V. Karamcheti，“摩尔定律：第一个结束和一个新的开始”，计算机，卷。46，页。48-53，2013 年 12 月。( 4 ) T. Hanyu、T. Endoh、Y. Ando、S. Ikeda、S. Fukami、H. Sato、H. Koike、Y. Ma、D. Suzuki 和 H. Ohno，“自旋转移力矩磁阻随机存取存储器 (STT-MRAM) 技术”，载于《非易失性存储器和存储技术的发展》，B. Magyari-Kope 和 Y. Nishi 编辑，页。237-281，第 7 章，Woodhead Publishing 电子和光学材料系列，第 2 版，2019 年。( 5 ) 羽生貴弘，“MTJ / MOSハイブリッド回路技术 ”，応用物理 ，vol.86，no.8，pp.662-665，2017 年 8 月。( 6 ) T. Hanyu、T. Endoh、D. Suzuki、H. Koike、Y. Ma、N. Onizawa、M. Natsui、S. Ikeda 和 H. Ohno，“使用基于 MTJ 的 VLSI 计算的待机无电源集成电路”，Proc.IEEE，vol.104，
Citation: K. Shi, W. Cai, S. Jiang, D. Zhu, K. Cao, Z. Guo, J. Wei, A. Du, Z. Li, Y. Huang, J. Yin, J. Åkerman, and W. Zhao, Observation of magnetic d
扭矩，其进动频率接近铁磁共振频率。这主要是由于磁滴模式的进动角较大[7,18,19]。然而，到目前为止，对磁滴的所有实验工作都集中在自旋阀（SV）结构[18,19,21-23]和自旋霍尔纳米振荡器（SHNO）[24,25]上。SV和SHNO中非常低的磁阻（MR）（约1％）限制了功率发射和基于STNO的任何进一步应用。相比之下，具有强PMA的磁隧道结 (pMTJ) 表现出较高的隧道磁阻 (TMR)，达到 249%，尤其是双 CoFeB 自由层 (DFL) pMTJ，它已成为基于 MTJ 的 MRAM 的主要结构 [26]。因此，人们可以期望在基于 pMTJ 的 NC-STNO 中观察到磁性液滴。然而，我们之前的实验表明，在单自由层 (SFL) MTJ 中很难形成稳定的液滴 [27]。这可能是由于均匀电流密度与空间变化磁化相互作用产生的较大张-力矩所致。相反，预计 DFL pMTJ 可以抑制这种大的张-力矩并有利于形成稳定的磁性液滴。在这里，我们通过实验观察和研究了 DFL pMTJ 中的稳定磁性液滴，同时伴随着同一器件中相对于类 FMR 模式进动的功率增强。此外，通过微磁模拟，我们认为磁隧道结中的磁性液滴之所以稳定，主要是因为低的Zhang-Li力矩和DFL中强的钉扎场共同作用的结果[28]。我们的研究结果为磁隧道结中磁性液滴的成核提供了全面的认识，为进一步优化磁隧道结中磁性液滴的使用奠定了基础。
LAO-NCS：激光辅助自旋扭矩纳米振荡器-...
处理大数据，尤其是视频和图像，是现有冯诺依曼机面临的最大挑战，而人脑凭借其大规模并行结构，能够在几分之一秒内处理图像和视频。最有前途的解决方案是受大脑启发的计算机，即所谓的神经形态计算系统 (NCS)，最近得到了广泛的研究。NCS 克服了传统计算机一次一个字思考的限制，得益于类似于大脑的数据处理大规模并行性。最近，基于自旋电子的 NCS 已显示出实现低功耗高密度 NCS 的潜力，其中神经元使用磁隧道结 (MTJ) 或自旋扭矩纳米振荡器 (STNO) 实现，并使用忆阻器来模拟突触功能。尽管与 MTJ 相比，使用 STNO 作为神经元所需的能量较低，但由于启动具有可检测输出功率的振荡需要高偏置电流，因此基于自旋电子的 NCS 的功耗与大脑之间仍然存在巨大差距。在本文中，我们提出了一种基于自旋电子的 NCS（196 × 10）概念验证，其中通过微瓦纳秒激光脉冲辅助 STNO 振荡来降低 NCS 的功耗。实验结果表明，通过将 STNO 加热到 100 ◦ C，设计的 NCS 中 STNO 的功耗降低了 55.3%。此外，与室温相比，100 ◦ C 时自旋电子层（STNO 和忆阻器阵列）的平均功耗降低了 54.9%。与室温下典型的基于 STNO 的 NCS 相比，所提出的基于激光辅助 STNO 的 NCS (LAO-NCS) 在 100 ◦ C 下的总功耗提高了 40%。最后，与室温下典型的基于 STNO 的 NCS 相比，LAO-NCA 在 100 ◦ C 下的能耗预计可降低 86%。
NEBULA：一种用于 SNN 和 ANN 的基于神经形态自旋的超低功耗架构
摘要 — 迄今为止，脑启发式认知计算主要有两种方法：一种是使用多层人工神经网络 (ANN) 执行模式识别相关任务，另一种是使用脉冲神经网络 (SNN) 模拟生物神经元，以期达到与大脑一样高效和容错的效果。前者由于结合了有效的训练算法和加速平台而取得了长足的进步，而后者由于缺乏两者而仍处于起步阶段。与 ANN 相比，SNN 具有明显的优势，因为它们能够以事件驱动的方式运行，因此功耗非常低。最近的几项研究提出了各种 SNN 硬件设计方案，然而，这些设计仍然会产生相当大的能源开销。在此背景下，本文提出了一种涵盖设备、电路、架构和算法级别的综合设计，以构建用于 SNN 和 ANN 推理的超低功耗架构。为此，我们使用基于自旋电子学的磁隧道结 (MTJ) 设备，这种设备已被证明既可用作神经突触交叉开关，又可用作阈值神经元，并且可以在超低电压和电流水平下工作。使用这种基于 MTJ 的神经元模型和突触连接，我们设计了一种低功耗芯片，该芯片具有部署灵活性，可用于推理 SNN、ANN 以及 SNN-ANN 混合网络的组合——与之前的研究相比，这是一个明显的优势。我们在一系列工作负载上展示了 SNN 和混合模型的竞争性能和能源效率。我们的评估表明，在 ANN 模式下，所提出的设计 NEBULA 的能源效率比最先进的设计 ISAAC 高达 7.9 倍。在 SNN 模式下，我们的设计比当代 SNN 架构 INXS 的能源效率高出约 45 倍。 NEBULA ANN 和 SNN 模式之间的功率比较表明，对于观察到的基准，后者的功率效率至少高出 6.25 倍。索引术语 — 神经网络、低功耗设计、领域特定架构、内存技术
外部磁场对 STT-MRAM 的影响
根据常见的外部磁场强度，我们在下面显示，一旦芯片安装在印刷电路板 (PCB) 上或插入其工作环境中，STT-MRAM 的磁抗扰度足以满足大多数用途。这一说法得到了 60 年使用磁性硬盘驱动器 (HDD) 的经验支持，其中包括 20 年使用包含磁隧道结的读取器的 HDD、20 多年在汽车行业中用作位置编码器的磁场传感器以及 15 多年使用 MRAM。主要是在处理芯片期间需要小心谨慎，以避免将芯片暴露在过高的磁场中。MRAM 将数据位存储在磁隧道结 (MTJ) 中。它们由两个由氧化物隧道屏障隔开的磁性层组成。其中一个磁性层称为自由层（或存储层），具有可切换的磁化，
用于原位计算的双磁隧道结两位存储器和非易失性逻辑
在百亿亿次计算中，大量数据需要实时处理。传统的基于 CMOS 的计算范式遵循读取、计算和写回机制。这种方法在计算和存储数据时会消耗大量电力和时间。原位计算（在内存系统内处理数据）被视为百亿亿次计算的平台。自旋转移力矩垂直磁隧道结 (PMTJ) 是一种非易失性存储设备，具有多种潜在优势（快速读写、高耐久性和 CMOS 兼容性），有望成为下一代内存解决方案。双磁隧道结 (DMTJ) 由两个垂直排列的 PMTJ 组成。在本文中，DMTJ 不仅提供了构建独立和嵌入式 RAM 的可能性，还提供了基于 MTJ 的 VLSI 计算的可能性。介绍了一种支持非易失性逻辑计算范式的基于 DMTJ 的两位存储单元。多级单元支持高速读写两位存储单元和实时计算和存储输入数据的非易失性逻辑门。