[15a-B414-1~9] FS.1 フォーカストセッション「AIエレクトロニクス」

△ [15a-B414-4] デジタル抵抗変化型メモリの線形書き込み手法と書き込みの非理想性を考慮したニューラルネットワークの学習アルゴリズム

〇(M1)山田 歩¹、三澤 奈央子¹、村岡 俊作²、河合 賢²、松井 千尋¹、竹内 健¹ (1.東大工、2.NTCJ)

キーワード：抵抗変化型メモリ、Computation-in-Memory、Manhattan rule training

本研究では、デジタル抵抗変化型メモリ（ReRAM）への線形書き込み手法Gradual Resetと、これにおける書き込みばらつきや更新回数制限といった非理想特性を考慮したニューラルネットワークの学習アルゴリズムUDCTによる、デジタルReRAMのみからなる低コストなComputation-in-Memoryニューラルネットワークアクセラレータを提案する。適切な条件下でのGradual ResetとUDCTの組み合わせにより、畳み込みニューラルネットワークの転移学習において96.4%（MNIST）の精度を達成した。