| 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 | 2025-12-03 10:25 Fault-Injected Weight-Adjusting Training for Reliable Memristor-Based Neural Networks. ○Md. Sihabul Islam・Taisho Sasada・Michiko Inoue（NAIST）  VLD2025-54 ICD2025-74 DC2025-87 RECONF2025-105 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | Neural networks (NNs) have emerged as essential computational models for learning and inference across a wide range of tasks in artificial intelligence and neuromorphic computing systems (NCS). Memristor crossbars (MCs) offer promising hardware for accelerating NNs due to their efficient computation and low power consumption. However, device-level defects, particularly fabrication-induced stuck-at faults (SAFs), severely degrade inference accuracy and undermine the reliability of such systems. Existing SAFs mitigating methods primarily rely on fault-tolerant mapping or retraining. Mapping methods, though effective, introduce substantial hardware overhead, while retraining is computationally expensive and time-consuming. To address these limitations, we propose a framework that integrates fault-injected weight-adjusting (FIWA) training with a weighted bipartite matching and weight-adjusting (WBM+WA) mapping. By injecting SAFs into the training and adjusting weights, our method enhances the fault resiliency of the model. The proposed WBM+WA mapping, after training, assigns weights to the crossbars so that the faulty weights are placed in the faulty memristors by minimizing the sensitivity of weights to faults and considering the weights adjustment. The effectiveness of this method is evaluated across two different datasets and NN architectures. The results of our experiments demonstrate that our method achieves high inference accuracy, although memristor crossbars have SAFs. Thus, the proposed method improves the reliability of memristor-based NCS. | |
| キーワード | （和） | / / / / / / / |
| （英） | neuromorphic computing / memristor crossbar / stuck-at-faults / fault-injected weight-adjusting training / mapping / / / | |
| 文献情報 | 信学技報, vol. 125, no. 262, DC2025-87, pp. 198-203, 2025年12月. | |
| 資料番号 | DC2025-87 | |
| 発行日 | 2025-11-24 (VLD, ICD, DC, RECONF) | |
| 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 | VLD2025-54 ICD2025-74 DC2025-87 RECONF2025-105 |
|
| 研究会情報 | |
| 研究会 | VLD DC RECONF ICD IPSJ-SLDM |
| 開催期間 | 2025-12-01 - 2025-12-03 |
| 開催地（和） | 富山国際会議場（富山） |
| 開催地（英） | Toyama International Conference Center |
| テーマ（和） | デザインガイア2025 -VLSI設計の新しい大地- |
| テーマ（英） | Design Gaia 2025 -New Field of VLSI Design- |
| 講演論文情報の詳細 | |
| 申込み研究会 | DC |
| 会議コード | 2025-12-VLD-DC-RECONF-ICD-SLDM |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Fault-Injected Weight-Adjusting Training for Reliable Memristor-Based Neural Networks. |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / neuromorphic computing |
| キーワード(2)（和/英） | / memristor crossbar |
| キーワード(3)（和/英） | / stuck-at-faults |
| キーワード(4)（和/英） | / fault-injected weight-adjusting training |
| キーワード(5)（和/英） | / 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） | Nara Institute of Science and Technology (略称： NAIST) Nara Institute of Science and Technology (略称： NAIST) |
| 第2著者 氏名（和/英/ヨミ） | Taisho Sasada / Taisho Sasada / |
| 第2著者 所属（和/英） | Nara Institute of Science and Technology (略称： NAIST) Nara Institute of Science and Technology (略称： NAIST) |
| 第3著者 氏名（和/英/ヨミ） | Michiko Inoue / Michiko Inoue / |
| 第3著者 所属（和/英） | Nara Institute of Science and Technology (略称： NAIST) Nara Institute of Science and Technology (略称： NAIST) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-12-03 10:25:00 |
| 発表時間 | 20分 |
| 申込先研究会 | DC |
| 資料番号 | VLD2025-54, ICD2025-74, DC2025-87, RECONF2025-105 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.260(VLD), no.261(ICD), no.262(DC), no.263(RECONF) |
| ページ範囲 | pp.198-203 |
| ページ数 | 6 |
| 発行日 | 2025-11-24 (VLD, ICD, DC, RECONF) |
[研究会発表申込システムのトップページに戻る]