하드웨어 순환(재귀) 스파이킹 신경망(RSNN)을 위한 프레임-유닛 동작 뉴런 회로(f-NC)가 제안된다. 제안된 f-NC는 기존의 적분-그리고-발사(I&F) 뉴런 기반 시스템에서 구현하기 어려웠던 RSNN에 필수적인 두 가지 기능을 가능하게 한다: 1) 프레임 유닛에서 이전 상태의 출력( $t-1$ )을 현재 상태(t)의 입력으로서 순환적으로 피드백하는 능력, 그리고 2) $\tanh$ 활성화 함수의 구현이다. 프리 스포큰 다이짓(Free Spoken Digits) 데이터셋에 대한 시스템 수준 시뮬레이션을 수행하여, 16-상태 가중치를 저장하고 어레이 및 회로 수준의 벡터-행렬 곱셈(VMM)을 수행하는 전하 트랩 플래시(CTF) 기반 and-형 시냅스 어레이를 갖춘 f-NC로 RSNN이 동작함을 확인한다. 그 결과, 시냅스 가중치의 양자화 및 뉴런 회로의 활성화 함수에서의 비이상성(비이상적 특성)을 포함하여 97.05%의 RSNN 추론 정확도를 보인다.

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