基于混合CMOS-OxRAM构件的量化神经网络映射的时分复用内存计算方案
摘要：实现二/三值神经网络（BNNs/TNNs）的两个关键构建模块的实验演示：（i）基于130纳米CMOS的S形神经元和（ii）基于HfOx的多级（MLC）OxRAM-突触块。还提出了一种优化的矢量矩阵乘法编程方案，利用这两个构建模块。与利用差分突触结构的先前方法相比，每个突触仅使用一个器件，并进行两组读取操作。所提出的硬件映射策略在Fashion MNIST（FMNIST）数据集上的分类问题中与理想量子化神经网络（QNN）相比，性能变化<5\%（TNN下降2-5\%，BNN增加0.2\%），并显著节省内存，达到16-32倍。还分析了OxRAM器件变异对硬件QNN（BNN/TNN）性能的影响。
作者：Sandeep Kaur Kingra, Vivek Parmar, Manoj Sharma and Manan Suri
论文ID：2206.00250
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2022-07-29