用于量化神经网络映射至混合CMOS-OxRAM基本单元的时间复用存内计算方案
新兴技术
2022-07-29 v2
摘要
本工作中，我们实验演示了实现二值/三值神经网络（BNNs/TNNs）的两个关键基本单元：（i）基于130 nm CMOS的S形神经元，以及（ii）基于HfOx的多级（MLC）OxRAM突触单元。同时给出了一种利用这两个基本单元的优化向量矩阵乘法编程方案。与采用差分突触结构的先前方案相比，本方案每个突触仅用单器件并配合两组读（READ）操作。所提出的硬件映射策略在Fashion MNIST（FMNIST）数据集分类问题上，相较理想量化神经网络（QNN）性能变化小于5%（TNN下降2-5%，BNN上升0.2%），且内存节省达16-32倍。我们还分析了OxRAM器件波动性对硬件QNN（BNN/TNN）性能的影响。
引用
@article{arxiv.2206.00250,
title = {Time-multiplexed In-memory computation scheme for mapping Quantized Neural Networks on hybrid CMOS-OxRAM building blocks},
author = {Sandeep Kaur Kingra and Vivek Parmar and Manoj Sharma and Manan Suri},
journal= {arXiv preprint arXiv:2206.00250},
year = {2022}
}