| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-02-18 13:15 Reliable Memristor-Based Neural Networks with Fault-Injected Training ○Md. Sihabul Islam・Ryota Eguchi・Michiko Inoue（NAIST）  DC2024-109 |
|
| 抄録 | （和） | Energy-efficient and high-performance neural network (NN) accelerators are required to meet the increasing demands for executing neural network (NN) learning and inference on edge devices. Memristor crossbar (MC) devices in neuromorphic computing (NC) provide a promising solution for accelerating NNs. However, immature fabrication technology makes faulty memristors inevitable, and the presence of stuck-at faults (SAFs) in MC devices substantially reduces the inference accuracy of NC systems. This paper proposes a reliability-aware design framework for an NC system utilizing MC devices by combining fault-injected training and IC-specific mapping. We train a neural network where faults are deliberately injected and then map the trained model to MC devices considering fault location for individual devices. The proposed method avoids the requirement for either redundant hardware or retraining for individual MC devices. The experimental results show that the proposed framework achieves high inference accuracy for several different faulty MCs and enhances the reliability of NC system. |
| （英） | Energy-efficient and high-performance neural network (NN) accelerators are required to meet the increasing demands for executing neural network (NN) learning and inference on edge devices. Memristor crossbar (MC) devices in neuromorphic computing (NC) provide a promising solution for accelerating NNs. However, immature fabrication technology makes faulty memristors inevitable, and the presence of stuck-at faults (SAFs) in MC devices substantially reduces the inference accuracy of NC systems. This paper proposes a reliability-aware design framework for an NC system utilizing MC devices by combining fault-injected training and IC-specific mapping. We train a neural network where faults are deliberately injected and then map the trained model to MC devices considering fault location for individual devices. The proposed method avoids the requirement for either redundant hardware or retraining for individual MC devices. The experimental results show that the proposed framework achieves high inference accuracy for several different faulty MCs and enhances the reliability of NC system. | |
| キーワード | （和） | neuromorphic computing / memristor crossbar (MC) / stuck-at-faults / fault-injected training / mapping / / / |
| （英） | neuromorphic computing / memristor crossbar (MC) / stuck-at-faults / fault-injected training / mapping / / / | |
| 文献情報 | 信学技報, vol. 124, no. 374, DC2024-109, pp. 19-24, 2025年2月. | |
| 資料番号 | DC2024-109 | |
| 発行日 | 2025-02-11 (DC) | |
| 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 | DC2024-109 |
|
| 研究会情報 | |
| 研究会 | DC |
| 開催期間 | 2025-02-18 - 2025-02-18 |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | Kikai-Shinko-Kaikan Bldg. |
| テーマ（和） | VLSI設計とテストおよび一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | DC |
| 会議コード | 2025-02-DC |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Reliable Memristor-Based Neural Networks with Fault-Injected Training |
| サブタイトル（英） | |
| キーワード(1)（和/英） | neuromorphic computing / neuromorphic computing |
| キーワード(2)（和/英） | memristor crossbar (MC) / memristor crossbar (MC) |
| キーワード(3)（和/英） | stuck-at-faults / stuck-at-faults |
| キーワード(4)（和/英） | fault-injected training / fault-injected training |
| キーワード(5)（和/英） | mapping / mapping |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | Md. Sihabul Islam / Md. Sihabul Islam / |
| 第1著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第2著者 氏名（和/英/ヨミ） | 江口 僚太 / Ryota Eguchi / |
| 第2著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第3著者 氏名（和/英/ヨミ） | 井上 美智子 / Michiko Inoue / |
| 第3著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-02-18 13:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | DC |
| 資料番号 | DC2024-109 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.374 |
| ページ範囲 | pp.19-24 |
| ページ数 | 6 |
| 発行日 | 2025-02-11 (DC) |
[研究会発表申込システムのトップページに戻る]