基于28nm HKMG FeFET突触核的混合精度神经网络变化感知训练
新兴技术
2022-02-24 v2 人工智能
神经与进化计算
摘要
本工作提出了一种混合精度神经网络训练框架，其中基于eNVM的计算存储单元执行加权求和操作，另一SRAM单元存储反向传播中权重更新的误差以及硬件中更新权重所需的脉冲数。以28 nm铁电FET（FeFET）作为突触器件的基于MLP的神经网络混合训练算法，在存在器件与周期变化的情况下实现了高达95%的推理精度。该架构主要使用FeFET器件的行为级或宏模型并结合实验标定的器件变化进行评估，我们已获得与浮点实现相当的精度。
引用
@article{arxiv.2202.10912,
title = {Variation Aware Training of Hybrid Precision Neural Networks with 28nm HKMG FeFET Based Synaptic Core},
author = {Sunanda Thunder and Po-Tsang Huang},
journal= {arXiv preprint arXiv:2202.10912},
year = {2022}
}
备注
This is only the first version and will be changed afterwards