Object structure

Publication Details:

Լույս է տեսնում 1948 թվականից՝ տարին 4 անգամ։

Journal or Publication Title:

ՀՀ ԳԱԱ և ՀԱՊՀ Տեղեկագիր. Տեխնիկական գիտություններ =Proceedings of the NAS RA and NPUA: Technical Sciences

Date of publication:

2020

Volume:

73

Number:

3

ISSN:

0002-306X

Official URL:


Additional Information:

Մելիքյան Վ. Շ., Մամիկոնյան Ն. Է., Меликян В. Ш., Мамиконян Н. Э.

Title:

A Self-Learning Dynamic Memory Design Method

Other title:

Ինքնաուսուցվող դինամիկ հիշասարքերի նախագծման մեթոդ ; Самообучающийся метод проектирования динамической памяти

Creator:

Melikyan, V. Sh. ; Mamikonyan, N. E.

Contributor(s):

Պատ․ խմբ․՝ Ա․ Գ․ Նազարով (1957-1964) ; Մ․ Վ․ Կասյան (1964-1988) ; Ռ․ Մ․ Մարտիրոսյան (1989-2017 ) ; Գլխավոր խմբ․՝ Վ․ Շ․ Մելիքյան (2018-)

Subject:

Տեխնոլոգիա

Uncontrolled Keywords:

DRAM ; Machine learning ; Open RAM

Coverage:

268-276

Abstract:

A novel approach to memory design method is presented, which is targeted to generate memories with an acceptable value of timing performance and area increase while optimizing power consumption and the IR drop. The machine learning methods are used for IR drop and refresh cycle time estimations, which help to reduce power consumption. The experimental results show that with the proposed method power consumption is reduced by 10…15% while having a loss of 5…14% in the area. Ներկայացված է հիշողության նախագծման նոր մոտեցում, որի նպատակն է գեներացնել հիշողություն, որը կունենա օպտիմալ հզորության ծախս և IR անկում՝ ժամանակային պարամետրերի և մակերեսի ընդունելի աճի հաշվին։ Oգտագործվել են մեքենայա- կան ուսուցման մեթոդներ` IR անկման և հիշողության թարմացման ժամանակի կանխատեսման համար, որոնք նվազեցնում են հզորության ծախսը: Փորձնական արդյունքները ցույց են տալիս, որ մշակված մեթոդի կիրառմամբ հզորության ծախսը նվազել է 10…15%-ով, մինչդեռ մակերեսի կորուստը մոտ 5…14% է։ Представлен новый подход к методу проектирования памяти с целью создания блоков памяти с приемлемыми значениями временных характеристик и увеличения площади при оптимизации энергопотребления и падении напряжения. Используются методы машинного обучения для оценки времени цикла обновления и падения напряжения, что помогает снизить энергопотребление. Экспериментальные результаты показывают, что с помощью предлагаемого метода энергопотребление снизится на 10…15% при увеличении площади на 5…14%.

Place of publishing:

Երևան

Publisher:

«Պոլիտեխնիկ» տպ.

Type:

Հոդված

Format:

pdf

Call number:

АЖ 413

Digitization:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան

Location of original object:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան