인공지능의 발전과 대규모 신경망의 개발은 계산 비용과 에너지 소비를 유의하게 증가시켰다. 이러한 문제를 해결하기 위해, 연구자들은 저전력 신경망 구현 접근법을 탐색하고 있으며, 뉴로모픽 컴퓨팅 시스템이 잠재적 후보로 주목받고 있다. 특히 뉴로모픽 시스템의 핵심 요소인 고밀도이면서 신뢰성이 높은 시냅스 소자의 개발이 특히 관심의 대상이다. 본 연구에서는 플래시 셀의 기술적 성숙도와 NAND 플래시 어레이 구조의 장점을 결합한 8 × 16 멤캐피터(memocapacitor) 크로스바 어레이를 제시한다. 높은 신뢰도를 갖는 어레이의 아날로그 특성은 실험적으로 입증되었으며, 극히 낮은 오차로 벡터-행렬 곱셈이 성공적으로 수행되었다. 또한 가중치 미세 조정(weight fine-tuning) 특성을 활용하여, 웨이퍼 수준에서 오프칩 학습(off-chip learning)을 통한 CIFAR-10 분류를 위한 스파이킹 신경망을 구현하였다. 이러한 실험 결과는 소프트웨어 기반 신경망(93.24%)과 비교하여 1.13% 미만의 차이를 보이며, 92.11%의 높은 정확도를 달성함을 보여준다.

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