| 講演抄録/キーワード |
| 講演名 |
2024-04-11 14:55
[招待講演]高精度、高効率アナログComputing-in-Memory回路に向けて ○吉岡健太郎(慶大) ICD2024-8 |
| 抄録 |
(和) |
機械学習の分野では、CNNやTransformer、ハイブリッド構造などさまざまなニューラルネットワークアーキテクチャが利用されている。これらのアーキテクチャは異なる計算精度要件を持つため、柔軟な性能を発揮できるハードウェアアクセラレータが求められている。従来のアナログ計算メモリ(ACIM)アーキテクチャはCNNに特化していたが、Transformerに必要な高い計算精度(CSNR)の実現が課題だった。本論文では、CNNとTransformerの両方を高効率で加速できる新しいACIMアーキテクチャを提案する。 |
| (英) |
In the field of machine learning, various neural network architectures such as CNNs, Transformers, and hybrid structures are utilized. These architectures have different computational precision requirements, necessitating flexible hardware accelerators that can deliver high performance. Traditional analog computing-in-memory (ACIM) architectures have been specialized for CNNs, but achieving the high computational signal-to-noise ratio (CSNR) required for Transformers has been a challenge. This paper proposes a new ACIM macro architecture that can efficiently accelerate both CNNs and Transformers. |
| キーワード |
(和) |
CIM / ACIM / CNN / Transformer / / / / |
| (英) |
CIM / ACIM / CNN / Transformer / / / / |
| 文献情報 |
信学技報, vol. 124, no. 3, ICD2024-8, pp. 24-26, 2024年4月. |
| 資料番号 |
ICD2024-8 |
| 発行日 |
2024-04-04 (ICD) |
| ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
| PDFダウンロード |
ICD2024-8 |