文献

J-GLOBAL ID：202102278259038765   整理番号：21A0227730

IR-QNNフレームワーク:量子化クロスバアレイのIR液滴を意識したオフライントレーニング【JST・京大機械翻訳】

IR-QNN Framework: An IR Drop-Aware Offline Training of Quantized Crossbar Arrays

著者 (6件)： Fouda Mohammed E. (Center for Embedded and Cyber-Physical Systems, University of California at Irvine, Irvine, CA, USA) ,  Lee Sugil (School of ECE, UNIST, Ulsan, South Korea) ,  Lee Jongeun (School of ECE, UNIST, Ulsan, South Korea) ,  Kim Gun Hwan (Division of Advanced Materials, Korea Research Institute of Chemical Technology (KRICT), Daejeon, South Korea) ,  Kurdahi Fadi (Center for Embedded and Cyber-Physical Systems, University of California at Irvine, Irvine, CA, USA) ,  Eltawi Ahmed M. (Center for Embedded and Cyber-Physical Systems, University of California at Irvine, Irvine, CA, USA)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 228392-228408  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 抵抗クロスバーアレイは,深層ニューラルネットワーク加速のためのエレガントな実装ソリューションを提示する。メモリ間連想プロセッサのためのO(log_2(N))ステップのディジタル実現のためのO(N2)ステップと比較して,DNNのコーナーストーンであるマトリックスベクトル乗算をO(1)において実行した。しかし,RCAにおける避けられないインターコネクトワイヤ抵抗に起因するIRドロップ問題は,困難な課題である。本論文では,訓練プロセス中の計算的拡張SPICEシミュレーションを必要とせずに,量子化DNNにおけるワイヤ抵抗を組み込むための高速かつ効率的な訓練と検証フレームワークを提案した。製作した4ビットAu/Al_2O_3/HfO_2/窒化チタンデバイスをモデル化し,量子化重みを実現するために2マッピングスキームのフレームワーク内で使用した。効率的なシステムレベルIRドロップ推定法を用いて訓練を加速した。SPICE検証結果は,修正VGGとAlexNetネットワーク上の多層パーセプトロンネットワークとCIFAR10データセットに関するMNISTデータセットの最悪ケースシナリオにおいて,それぞれ2%と4%のドロップでベースライン精度を達成するIRドロップ問題を捕捉するための提案した方法の有効性を示す。他の非理想性,例えば,縮退故障欠陥,変動性,および加齢を研究した。最後に,ニューロンと駆動回路の設計考察を考察した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *液滴 ,  記憶装置 ,  シミュレーション ,  *量子化 ,  ネットワーク ,  ニューロン ,  乗算 ,  ディジタル方式 ,  金属線 ,  駆動回路 ,  有効性 ,  多層パーセプトロン ,  縮退故障
準シソーラス用語： 窒化チタン ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (9件)： Ir ,  フレームワーク ,  量子化 ,  クロスバ ,  アレイ ,  液滴 ,  意識 ,  オフライン ,  トレーニング