A 4M Synapses integrated Analog ReRAM based 66.5 TOPS/W Neural-Network Processor with Cell Current Controlled Writing and Flexible Network Architecture
Reiji Mochida, Kazuyuki Kouno, Yuriko Hayata, Masayoshi Nakayama, Takashi Ono, Hitoshi Suwa,
Ryutaro Yasuhara, Kobi Katayama, Takumi Mikawa, Yasushi Gohou
Panasonic Semiconductor Solutions Co., Ltd.
요약
미래 인공지능 컴퓨팅을 위해, 가중치를 아날로그 저항 형태로 저장하는 ReRAM을 사용하는 저전력 뉴럴 네트워크를 소개합니다. 대규모 집적, 매우 정확한 셀 전류 제어 쓰기 방식, 그리고 어떠한 뉴럴 네트워크도 구성될 수 있는 유연한 네트워크 구조를 위한 ReRAM 퍼셉트론 회로를 제안합니다. 제작된 180nm 테스트칩은 선형적인 30uA 동적 범위와 0.59uA (1 sigma)의 편차를 갖는 잘 제어되는 아날로그 셀 전류가 MNIST 인식률 90.8%의 결과로 이어짐을 보여줍니다. 또한, 400만 개의 시냅스가 집적된 테스트칩은 더 낮은 아날로그 셀 전류와 66.5TOPS/W의 전력 효율을 구현했습니다.
그림 5. MNIST 숫자 인식을 위한 뉴럴 네트워크.
결론
ReRAM을 활용한 저전력과 고정확도의 뉴럴 네트워크 프로세서를 제안합니다. 표 1은 이 논문의 결과를 다양한 기술들과 비교합니다. 180nm 공정으로 제작된 RAND 칩은 1024개 입력에 대한 추론 읽기(inference-READ) 동작에 대해 15.8mW의 전력을 소모하고, 20.7 TOPS/W의 전력 효율을 구현합니다. 또한, 40nm ReRAM은 추론 읽기 동작에서의 전력 소모를 9.9mW로 감소시키고, 66.5 TOPS/W의 전력 효율을 구현합니다.
참고문헌
R. Mochida et al., "A 4M Synapses integrated Analog ReRAM based 66.5 TOPS/W Neural-Network Processor with Cell Current Controlled Writing and Flexible Network Architecture", VLSI Tech., 2018.
