센서 내(in-sensor) 뉴로모픽 컴퓨팅에 대한 수요가 증가함에 따라, 정확도, 면적, 지연시간, 에너지를 시스템 수준에서 함께 평가하는 프레임워크가 동기화되고 있다. 우리는 제작된 FET 기반 가스 센서와 내장 마이크로 히터, 부유 게이트(floating-gated) pMOS 시냅스 어레이, 그리고 펄스폭 변조기(pulse-width modulator, PWM)와 적분-발화(integrate-and-fire, I&F) 뉴런과 같은 처리 회로를 통합하는 플랫폼을 시제품으로 구현하였다. 온도 및 농도 스윕 전반에서 H2S와 NO2에 대한 과도 응답을 사용하여, 3–6개의 입력 센서, 3개의 은닉층(16–128 뉴런), 그리고 2개의 회귀 출력으로 구성된 네트워크를 벤치마킹하였다. 정확도는 더 많은 센서와 더 큰 은닉층에서 향상되며, 64 뉴런을 초과하면 포화된다. 양자화 및 회로 제약은 유계(bounded) 오차를 추가한다. 면적은 센서 개수에는 둔감하지만 은닉 뉴런 수에는 비례하여 증가하며, 고전압 스위치가 면적을 지배한다. 지연시간은 센서에 의해 제한된다. 에너지 소모는 거의 전적으로 마이크로 히터에 의해 결정되며(전체의 ~99.97%), 그 결과 전체 소모 전력은 센서 개수에 매우 민감하고 네트워크 크기에는 상대적으로 둔감하다. 이러한 결과는 정확도, 면적, 지연시간, 에너지 간의 트레이드오프를 규명하고, 히터 효율, 최소 센서 선택, 고전압 스위치 최적화를 소형·고속·에너지 인지(in-energy-aware) 센서 내 뉴로모픽 플랫폼을 설계하기 위한 주요 디자인-기술 공동 최적화(design-technology co-optimization, DTCO) 핵심 요소로 지목한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.