SONOS 非易失性存储器阵列中的器件感知推理操作
神经与进化计算
2020-04-03 v1
摘要
非易失性存储器阵列可部署预训练神经网络模型用于边缘推理。然而，这些系统受器件级噪声与保持问题影响。在此，我们考察上述效应造成的损害，提出一种缓解策略，并在 fabricated 的 SONOS（硅-氧化物-氮化物-氧化物-硅）器件阵列中演示其应用。在 MNIST、fashion-MNIST 与 CIFAR-10 任务上，我们的方法提升了对突触噪声与漂移的鲁棒性。我们还展示了使用 5-8 位精度的 ADC 即可实现强劲性能。
引用
@article{arxiv.2004.00802,
title = {Device-aware inference operations in SONOS nonvolatile memory arrays},
author = {Christopher H. Bennett and T. Patrick Xiao and Ryan Dellana and Vineet Agrawal and Ben Feinberg and Venkatraman Prabhakar and Krishnaswamy Ramkumar and Long Hinh and Swatilekha Saha and Vijay Raghavan and Ramesh Chettuvetty and Sapan Agarwal and Matthew J. Marinella},
journal= {arXiv preprint arXiv:2004.00802},
year = {2020}
}
备注
To be presented at IEEE International Physics Reliability Symposium (IRPS) 2020