Buchumschlag

Hardware-Aware Model Design and Training of Silicon-based Analog Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Filippeschi, Giulio, Brazzini, Mirko, Mosquera, Cristhopher, Lanuzza, Marco, Catania, Alessandro, Strangio, Sebastiano, Iannaccone, Giuseppe
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Hardware Architecture Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Temperature-Resilient Analog Neuromorphic Chip in Single-Polysilicon CMOS Technology
von: Rizzo, Tommaso, et al.
Veröffentlicht: (2024)

Hardware-Friendly Implementation of Physical Reservoir Computing with CMOS-based Time-domain Analog Spiking Neurons
von: Kimura, Nanako, et al.
Veröffentlicht: (2024)

A Case for Hypergraphs to Model and Map SNNs on Neuromorphic Hardware
von: Ronzani, Marco, et al.
Veröffentlicht: (2026)

HENNC: Hardware Engine for Artificial Neural Network-based Chaotic Oscillators
von: Vaziri, Mobin, et al.
Veröffentlicht: (2024)

Functional Stability of Software-Hardware Neural Network Implementation The NeuroComp Project
von: Oleksii, Bychkov, et al.
Veröffentlicht: (2025)

EasyACIM: An End-to-End Automated Analog CIM with Synthesizable Architecture and Agile Design Space Exploration
von: Zhang, Haoyi, et al.
Veröffentlicht: (2024)

YANA: Bridging the Neuromorphic Simulation-to-Hardware Gap
von: Pachideh, Brian, et al.
Veröffentlicht: (2026)

Spiking Transformer Hardware Accelerators in 3D Integration
von: Xu, Boxun, et al.
Veröffentlicht: (2024)

First Demonstration of Second-order Training of Deep Neural Networks with In-memory Analog Matrix Computing
von: Zhang, Saitao, et al.
Veröffentlicht: (2025)

Automated Placement of Analog Integrated Circuits using Priority-based Constructive Heuristic
von: Grus, Josef, et al.
Veröffentlicht: (2024)

12-bit Delta-Sigma ADC operating at a temperature of up to 250C in Standard 0.18 $μ$m SOI CMOS
von: Sbrana, Christian, et al.
Veröffentlicht: (2024)

Core Placement Optimization of Many-core Brain-Inspired Near-Storage Systems for Spiking Neural Network Training
von: Zhu, Xueke, et al.
Veröffentlicht: (2024)

RAMAN: Resource-efficient ApproxiMate Posit Processing for Algorithm-Hardware Co-desigN
von: Khan, Mohd Faisal, et al.
Veröffentlicht: (2025)

Catwalk: Unary Top-K for Efficient Ramp-No-Leak Neuron Design for Temporal Neural Networks
von: Lister, Devon, et al.
Veröffentlicht: (2025)

Embedding Hardware Approximations in Discrete Genetic-based Training for Printed MLPs
von: Afentaki, Florentia, et al.
Veröffentlicht: (2024)

Variability-Aware Approximate Circuit Synthesis via Genetic Optimization
von: Balaskas, Konstantinos, et al.
Veröffentlicht: (2023)

Reducing ADC Front-end Costs During Training of On-sensor Printed Multilayer Perceptrons
von: Afentaki, Florentia, et al.
Veröffentlicht: (2024)

Resource-Efficient and Robust Inference of Deep and Bayesian Neural Networks on Embedded and Analog Computing Platforms
von: Klein, Bernhard
Veröffentlicht: (2025)

E2ATST: A Temporal-Spatial Optimized Energy-Efficient Architecture for Training Spiking Transformer
von: Ma, Yunhao, et al.
Veröffentlicht: (2025)

A Deep Neural Network Deployment Based on Resistive Memory Accelerator Simulation
von: Maram, Tejaswanth Reddy, et al.
Veröffentlicht: (2023)

ReLANCE: A Resource-Efficient Low-Latency Cortical Neural Acceleration Engine
von: Kumar, Sonu, et al.
Veröffentlicht: (2025)

Wet TinyML: Chemical Neural Network Using Gene Regulation and Cell Plasticity
von: Somathilaka, Samitha, et al.
Veröffentlicht: (2024)

A Reconfigurable Stream-Based FPGA Accelerator for Bayesian Confidence Propagation Neural Networks
von: Hafiz, Muhammad Ihsan Al, et al.
Veröffentlicht: (2025)

UniSpike: Accelerating Spiking Neural Networks on Neuromorphic Systems via Eliminating Address Redundancy
von: Xing, Qinghui, et al.
Veröffentlicht: (2026)

TrIM, Triangular Input Movement Systolic Array for Convolutional Neural Networks: Architecture and Hardware Implementation
von: Sestito, Cristian, et al.
Veröffentlicht: (2024)

SpikeX: Exploring Accelerator Architecture and Network-Hardware Co-Optimization for Sparse Spiking Neural Networks
von: Xu, Boxun, et al.
Veröffentlicht: (2025)

SNAP-V: A RISC-V SoC with Configurable Neuromorphic Acceleration for Small-Scale Spiking Neural Networks
von: Gunawardana, Kanishka, et al.
Veröffentlicht: (2026)

Demonstrating Analog Inference on the BrainScaleS-2 Mobile System
von: Stradmann, Yannik, et al.
Veröffentlicht: (2021)

A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures
von: Quintana, Fernando M., et al.
Veröffentlicht: (2024)

Energy-Aware FPGA Implementation of Spiking Neural Network with LIF Neurons
von: Ali, Asmer Hamid, et al.
Veröffentlicht: (2024)

Algorithm-Hardware Co-Design of Distribution-Aware Logarithmic-Posit Encodings for Efficient DNN Inference
von: Ramachandran, Akshat, et al.
Veröffentlicht: (2024)

Spiker+: a framework for the generation of efficient Spiking Neural Networks FPGA accelerators for inference at the edge
von: Carpegna, Alessio, et al.
Veröffentlicht: (2024)

Towards Topology-Aware Very Large-Scale Photonic AI Accelerators
von: Jahannia, Belal, et al.
Veröffentlicht: (2026)

Fast Algorithms for Spiking Neural Network Simulation with FPGAs
von: Lindqvist, Björn A., et al.
Veröffentlicht: (2024)

Hybrid Synaptic Structure for Spiking Neural Network Realization
von: Razmkhah, Sasan, et al.
Veröffentlicht: (2023)

What Is Next for LLMs? Next-Generation AI Computing Hardware Using Photonic Chips
von: Li, Renjie, et al.
Veröffentlicht: (2025)

NeuroFlex: Column-Exact ANN-SNN Co-Execution Accelerator with Cost-Guided Scheduling
von: Manjunath, Varun, et al.
Veröffentlicht: (2025)

Darwin3: A large-scale neuromorphic chip with a Novel ISA and On-Chip Learning
von: Ma, De, et al.
Veröffentlicht: (2023)

Memory Wall is not gone: A Critical Outlook on Memory Architecture in Digital Neuromorphic Computing
von: Yousefzadeh, Amirreza, et al.
Veröffentlicht: (2026)

SAGA: Synthesis Augmentation with Genetic Algorithms for In-Memory Sequence Optimization
von: Robins, Andey, et al.
Veröffentlicht: (2024)