[20a-M206-1~10] FS.1 フォーカストセッション「AIエレクトロニクス」

[20a-M206-4] ReRAMデバイスとSNNアルゴリズムにより最適化されたイベントベースビジョンセンサーのための小面積CiM

〇越能 俊介¹、三澤 奈央子¹、松井 千尋¹、竹内 健¹ (1.東大工)

キーワード：スパイキングニューラルネットワーク

エッジAIのイベントベースビジョンセンサ（EVS）のために、多値ReRAMとスパイクニューラルネットワーク（SNN）アルゴリズムにより最適化されたコンパクトなCiM（Computation in Memory）を提案する。提案するSNNは、ランダムな重みを採用することで、学習中の頻繁な重み更新をなくし、ReRAMエラーを低下させる。EVSジェスチャーデータセットに対する認識精度は94.7%を達成した。ReRAMセルエラー解析により、2ビット保護、0.1%エラーで90.1%の精度を達成した。ReRAMデバイスとSNNアルゴリズムの協調最適化により、提案するエラー耐性の高いヘテロジニアス多値ReRAM CiMは、必要なReRAMセル数を75%削減することができる。