|김형진 교수 연구실
홈
연구 영역
기본 정보
논문·특허
과제
구성원
읽는 시간 · 1분 26초

멤리스터/멤캐패시터 크로스바 기반 뉴로모픽 인메모리 연산 연구

Neuromorphic In-Memory Computing on Memristor/Memcapacitor Crossbar Arrays

연구 내용

멤리스터 및 멤캐패시터 크로스바 어레이의 아날로그 스위칭 특성을 활용해 뉴로모픽 추론과 학습에 필요한 VMM 및 가중치 갱신을 구현하는 연구

멤리스터와 멤캐패시터 기반 크로스바 어레이에서 VMM이 가능한 아날로그 동작 특성을 바탕으로 뉴로모픽 연산 구조를 설계합니다. 학습 결과를 하드웨어에 매핑하기 위해 가중치 양자화와 바이너리 활성 함수 대응을 포함한 하드웨어 친화형 신경망 구성을 검토합니다. 또한 차분 소자 쌍과 시냅스-링크 관점의 가중치 미세 조정 기법을 적용하여 오류를 낮추고 오프칩 학습과 온/오프 칩 추론 간의 일치성을 검증합니다. 소자 변동과 튜닝 사이클에 따른 추론 성능 민감도를 분석하는 차별성을 보유합니다.

관련 연구 성과

관련 논문

2편

관련 특허

0건

관련 프로젝트

6건

연구 흐름

초기에는 크로스바 어레이의 점진적 스위칭 특성과 차분 쌍 구성을 활용해 정확한 벡터-행렬 곱을 실험적으로 시연하고, 바이너리 활성 및 가중치 양자화를 통해 오프칩 학습 기반 추론 성능을 하드웨어 동작으로 구현하는 흐름을 확립했습니다. 이후에는 플래시 셀 공정의 성숙도와 NAND 플래시 구조를 결합한 멤캐패시터 크로스바에서 신뢰성 높은 아날로그 연산과 저오차 VMM을 확보했습니다. 최근에는 분류용 SNN을 오프칩 학습으로 구현하고, 시냅스 가중치 미세 조정과 소자 변동에 대한 성능 보정 관점을 강화하는 방향으로 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

  • 뉴로모픽 추론 인메모리 가속기
  • 아날로그 VMM 기반 신경망 프로세서
  • 바이너리 신경망 하드웨어 매핑
  • 스파이킹 신경망 분류기
  • 소자 변동 허용 기반 테스팅 체계
  • 가중치 미세 조정 학습 루프
  • 저전력 엣지 AI 연산
  • 오프칩-온칩 학습 연동 프레임워크
  • 웨어러블용 임베디드 시냅스 어레이
  • 다중 커널 CNN 하드웨어 구현

관련 논문

구분

제목

1

Implementation of Convolutional Neural Networks in Memristor Crossbar Arrays with Binary Activation and Weight Quantization

2

Memcapacitor Crossbar Array with Charge Trap NAND Flash Structure for Neuromorphic Computing

관련 프로젝트

구분

제목

1

1000 TOPS/W 이상 달성을 위한 end-to-end analog 뉴로모픽 소자, 알고리즘, 아키텍처 개발

2

1000 TOPS/W 이상 달성을 위한 end-to-end analog 뉴로모픽 소자, 알고리즘, 아키텍처 개발

3

Si/IGZO 모놀리식 3D 집적 기반 다기능 AI 가속기 구현

4

멤리스터 크로스바 어레이를 활용한 뉴로모픽 컴퓨팅 및 뉴로 최적화 기법 개발

5

멤리스터 크로스바 어레이를 활용한 뉴로모픽 컴퓨팅 및 뉴로 최적화 기법 개발

6

멤리스터 크로스바 어레이를 활용한 뉴로모픽 컴퓨팅 및 뉴로 최적화 기법 개발