文献

J-GLOBAL ID：202002247779543671   整理番号：20A1863844

深層学習における磁気トンネル接合に基づく確率的計算の設計空間探索【JST・京大機械翻訳】

Design Space Exploration of Magnetic Tunnel Junction based Stochastic Computing in Deep Learning

著者 (6件)： Wang You (Beihang Univeristy, Beijing, China) ,  Zhang Yue (Beihang Univeristy, Beijing, China) ,  Zhang Youguang (Beihang Univeristy, Beijing, China) ,  Zhao Weisheng (Beihang Univeristy, Beijing, China) ,  Cai Hao (Telecom-ParisTech, Universite Paris-Saclay, Paris, France) ,  Naviner Lirida (Telecom-ParisTech, Universite Paris-Saclay, Paris, France)
資料名： ACM Proceedings  (ACM Proceedings)
号： GLSVLSI ’18  ページ： 403-408  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 磁気トンネル接合(MTJ)は,高い電力効率,速いアクセス速度,ほぼ無限の持久力および容易な3D統合のため,Moore時代以上の有望なメモリ候補と考えられている。非決定論的スイッチング挙動は,確率的計算のような計算方法の新しい方向を利用するために利益を得た。本論文では,確率的計算における確率的スイッチング挙動の応用を,深層ニューラルネットワーク(DNN)のために探索した。確率的計算法は,低論理複雑性,低エネルギー消費,および微細粒並列性を特徴とし,MTJを結合することによってDNNシステムの性能をブースティングする。確率的計算の重要なブロックとして,MTJベースの真の乱数発生器設計を詳細に提示した。ソフトウェアにおけるハードウェア設計と後処理を結合することによって,機能性を検証した。シミュレーション結果を手書き数字認識試験によって明らかに示し,精度を示した。さらに,その性能を精度,エネルギー消費およびメモリ占有の観点から検討し,より効率的な技術を見出した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *記憶装置 ,  シミュレーション ,  スイッチング ,  計算機シミュレーション ,  乱数発生器 ,  後処理 ,  ソフトウェア ,  エネルギー消費 ,  三次元 ,  ハードウェア設計 ,  電力効率
準シソーラス用語： *磁気トンネル接合 ,  複雑性 ,  機能性 ,  低エネルギー ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層ニューラルネットワーク ,  磁気トンネル接合 ,  確率的計算 ,  真の乱数発生器

分類 (1件)： 半導体集積回路  (NC03162T)

タイトルに関連する用語 (5件)： 深層学習 ,  磁気トンネル接合 ,  確率 ,  計算 ,  設計空間探索