MNIST 이미지 분류를 위한 혼성신호 이진화 신경망(BNN) 프로세서가 아날로그 회로 네트워크를 기반으로 시연된다. 이진 가중치 및 활성값으로 신경망을 학습하기 위한 BNN 알고리즘은 전력 소비와 메모리 크기를 감소시킨다. 본 알고리즘은 다층 퍼셉트론(MLP)의 핵심 연산을 수행하도록 설계되어, 아날로그 회로를 이용해 복잡성과 전력 소비를 줄인다. 혼성신호 BNN 프로세서는 곱셈-누산(MAC) 연산과 부호(sign) 활성화 함수를 수행하기 위해 전류 미러 뉴런을 사용한다. BNN 알고리즘의 핵심 연산을 계산하는 저임계 전류 미러 뉴런은 저전력 소비를 달성하기 위해 사용된다. 설계는 28-nm CMOS에서 0.065 mm2 면적을 차지하며 온칩 SRAM 560B를 포함한다. 28-nm CMOS 테스트 칩은 MNIST 이미지 분류에서 24.1 TOPS/W의 에너지 효율과 94%의 정확도를 달성한다. 또한 이 설계는 이진 가중치와 활성값을 사용함에도 부동소수점 정밀도 모델과 비교해 정확도 저하가 5%에 불과하다.

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