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%.

Երևան

pdf

Հրապարակման մանրամասներ:

Ամսագրի կամ հրապարակման վերնագիր:

Հրապարակման ամսաթիվ:

Հատոր:

Համար:

ISSN:

Պաշտոնական URL:

Լրացուցիչ տեղեկություն:

Վերնագիր:

Այլ վերնագիր:

Ստեղծողը:

Աջակից(ներ):

Խորագիր:

Չվերահսկվող բանալի բառեր:

Ծածկույթ:

Ամփոփում:

Հրատարակության վայրը:

Հրատարակիչ:

Տեսակ:

Ձևաչափ:

Դասիչ:

Թվայնացում:

Բնօրինակի գտնվելու վայրը: