In-Memory Computing

Rechnen, wo die Daten liegen. In klassischen von-Neumann-Rechnern wandern Daten ständig zwischen Speicher und Recheneinheit hin und her, und das kostet Zeit und Energie. In-Memory Computing rechnet direkt im Speicher.

Woran wir arbeiten

• Speichertechnologien, die von sich aus rechnen können
• Recheneinheiten, die in den Speicher oder seine Peripherie eingebettet sind
• Umsetzungen im Hauptspeicher ebenso wie in eigener Hardware

Rechnen mit resistivem Speicher

Ein Schwerpunkt ist RRAM, ein resistiver Speicher, der Daten nicht nur hält, sondern selbst rechnen kann. Wir bauen daraus rekonfigurierbare Logik und untersuchen, wie verlässlich solche Schaltungen sind:

• An Almost Fully RRAM-Based LUT Design for Reconfigurable Circuits (ARC 2023): Lookup-Tabellen, wie sie in FPGAs stecken, fast vollständig aus RRAM
• A Lightweight Peripheral Design for RRAM-based LUTs (ISCAS 2025): die nötige Ansteuerung schlank halten
• Yet another reliability assessment method for RRAM-based dot-product engine (Microelectronics Reliability, 2025): wie zuverlässig analoge Skalarprodukt-Einheiten für neuronale Netze rechnen

Die Gruppe leitet Prof. Dr.-Ing. Mladen Berekovic.