Capacitor-based Cross-point Array for Analog Neural Network with Record Symmetry and Linearity
Y. Li, S. Kim, X. Sun, P. Solomon, T. Gokmen, H. Tsai, S. Koswatta, Z. Ren,
R. Mo, C. C. Yeh, W. Haensch and E. Leobandung
IBM T. J. Watson Research Center
요약
아날로그 기반 딥 뉴럴 네트워크를 훈련할 수 있고, 14nm 공정의 트렌치 커패시터로 제작된 커패시터 기반의 크로스포인트 어레이에 대해 보고합니다. 곱셈-누산(multiply-accumulate) 동작과 가중치 업데이트라는 기본적인 DNN 동작을 입증합니다. 또한 아날로그 크로스포인트 어레이에 대해 최고의 대칭성, 선형성을 입증합니다. DNN에 대해, 리프레시가 없어도 커패시터의 누설이 학습 정확도에 영향을 주지 않는데, 이는 훈련 과정 동안 가중치가 계속해서 업데이트 되기 때문입니다. 이 때문에 커패시터가 뉴럴 네트워크 학습을 위한 이상적인 후보가 됩니다. 또한 최적화된 낮은 누설 전류 DRAM 기술을 사용해서 이 어레이를 미세화하는 것에 대해 논의합니다.
