Memory computing er en måde at bygge computerplatforme på, der bruger princippet om at gemme resultaterne af funktioner i hukommelsesarrays, en- eller todimensionelle, i form af opslagstabeller og erstatte funktionsevaluering med at udtrække værdier fra tabeller. Sådanne computerplatforme kan følge både en ren rumlig computermodel, som i FPGA'er, og den tidsmæssige model af beregninger (proceduremæssigt), når funktionen beregnes i mange cyklusser. Den anden tilgang er rettet mod at reducere redundansen af sammenkoblingen i FPGA'en ved at kombinere behandlings- og datatransmissionsoperationer i ét computerelement. Denne tilgang bruger komprimerede 2D-arrays til at gemme store opslagstabeller med flere input og flere output. Konceptet Memory Compute er forskelligt fra konceptet Memory Compute eller Processor in Memory(Processor-in-memory, PIM), bredt undersøgt i forbindelse med integration af en processor og hukommelse på en enkelt chip, for at reducere hukommelsesrespons og øge båndbredden. Sådanne tilgange leder efter måder at reducere afstanden, over hvilken data overføres mellem processoren og hukommelsen. Et af de bemærkelsesværdige bidrag til området for PIM-projektarkitektur er Berkeley IRAM-projektet .
Hukommelsesberegning bruges almindeligvis til at drage fordel af hardware-rekonfigurerbarhed. Rekonfigurerbare systemer giver en fleksibel hardwareplatform til hurtig prototyping for at forkorte udviklingscyklusser og reducere time-to-market for nye enheder. FPGA er en populær platform til implementering af digitale kredsløb primært baseret på en rumlig model. Helt fra begyndelsen af brugen af FPGA'er i 1985, består deres grundlæggende struktur af en todimensionel række af konfigurationslogiske blokke (Configurable Logic Blocks) forenet af et rumligt koblingsmiljø i form af en programmerbar sammenkoblingsmatrix. Ydeevnen og strømforbruget af en FPGA afhænger væsentligt af koblingsmiljøets arkitektur, principperne for signaludbredelse og synkronisering. Reduktion af påvirkningen af begrænsninger i skiftemiljø opnås ved at placere opslagstabeller tæt på hinanden, samlet kaldet klynger, og links mellem klynger er også lokaliserede. På grund af fordelene ved klyngearkitektur bruger store FPGA- producenter det i deres kommercielle produkter [1] [2] . Blokke af intern hukommelse [3] kan også bruges til at implementere store opslagstabeller . En sådan heterogenitet af hukommelseselementer forbedrer belægningen og ydeevnen af kredsløbskomponenter ved at minimere og lokalisere forbindelser.
Rekonfigurerbare platforme baseret på hukommelsesberegning med en iterativ (proceduremæssig) computermodel (eller en kombination af rumlige og iterative modeller) undersøges [4] i forbindelse med forbedring af ydeevne og energieffektivitet i forhold til traditionelle FPGA'er , der er mere orienteret mod en rumlig model ( et stort antal opslagstabeller med flere input og et output). Sådanne platforme er kendt som Memory Based Computing (MBC), som bruger komprimerede todimensionelle hukommelsesarrays til at gemme opslagstabeller. Sådanne rammer er afhængige af at opdele komplekse funktioner (f) i enklere funktioner, der er gemt i opslagstabeller med mange input og output. Beregningen af komplekse funktioner sker i flere iterationer af beregningen af simple funktioner. Når du opretter VNP, kan sådanne egenskaber ved hukommelsesenheder [5] som høj kapacitet, lavt strømforbrug og høj ydeevne af nanostørrelseshukommelse bruges effektivt. I VNP er den grundlæggende computerenhed et todimensionelt hukommelsesarray, der gemmer opslagstabeller plus den nødvendige kontrollogik til iterativ beregning af komplekse funktioner. Sådanne computerenheder kombineres af et rumligt switching-system baseret på effektive løsninger udarbejdet i traditionelle FPGA'er , og på grund af det faktum, at dataene er lokaliserede og iterativt beregnede, reduceres kravene til switching-systemet betydeligt. Hukommelsesarrayet i hvert beregningselement kan implementeres på basis af associativ hukommelse , hvilket reducerer mængden af hukommelse, der kræves til nogle applikationer.
Hvis vi sammenligner MBC med FPGA, så er disse relaterede teknologier, forskellen er, at MBC bruger et forenklet koblingsmiljø og implementeringen af en mere kompleks iterativ mekanisme til at understøtte beregninger ved hjælp af opslagstabeller med mange input/output. Fordelen ved MBC er enkelheden af elementbasen baseret på forskellige typer hukommelsesenheder.