연구진은 엣지 AI 및 임베디드 인텔리전스 애플리케이션을 위한 에너지 효율적인 대규모 연관 컴퓨팅을 가능하게 하는 멤리스터 기반 아날로그 콘텐츠 주소 지정 메모리(aCAM)를 제안했습니다.
기존 6T2M 아키텍처는 정적 검색 전력, 제한된 전압 이득, 눈에 띄는 매치라인 크로스토크 문제를 겪지만, 새로운 SALM(Strong-Arm Latched Memristor) aCAM 셀은 이를 개선했습니다.
SALM은 6T2M에 비해 동일한 지연 시간에서 읽기 에너지 소비를 33% 줄이고, 전압 이득 및 크로스토크 제한을 제거하여 확장성을 향상시켰습니다.