데이터 집약적 컴퓨팅 시스템에 대한 최근 연구는 시스템 처리량과 지연 시간이 메모리 읽기 대역폭에 결정적으로 좌우됨을 보여주었으며, 빠른 메모리 읽기 연산의 필요성을 강조한다. 스핀 전달 토크 자기 랜덤 액세스 메모리(spin-transfer torque magnetic random-access memory, STT-MRAM)는 CMOS 기반 내장 메모리의 유망한 대안으로 부상했지만, STT-MRAM은 여전히 읽기 속도 및 에너지 효율과 관련된 과제에 직면해 있다. 본 논문은 데이터 셀과 기준 셀 사이의 읽기 경로를 교대로 전환함으로써 연속적인 읽기 연산에서 읽기 속도와 에너지를 향상시키는 새로운 읽기 방식을 제안한다. 이 방법은 읽기 전압 스윙을 균형화함으로써 최악의 경우에 대한 읽기 시나리오를 효과적으로 완화한다. 28nm CMOS 기술을 사용한 HSPICE 시뮬레이션 결과, 기존 접근 방식 대비 읽기 속도가 31.5% 향상되고 에너지 소비가 48.8% 감소하는 것으로 나타났다. 또한 SCALE-Sim 시스템 시뮬레이션에서는 제안된 읽기 방식을 AI 가속기의 STT-MRAM 내장 메모리에 적용할 경우 SRAM 내장 메모리와 비교하여 CNN 추론 작업에서 메모리 에너지가 유의하게 감소함을 보여주었다.

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