Memory fluctuation classification

Computation-in-Memoryの素子として使われるReRAMの電流値のゆらぎを機械学習によって分類することで、積極的にゆらぎを抑制でき、CiMの演算精度が向上します。

ReRAMを用いたComputation-in-Memoryはニューラルネットワークの重みをメモリのコンダクタンスとして保存し、積和演算を超並列に実行します。ReRAMの電流に発現する複雑なゆらぎのパターンをTime-lag plotにより画像に変換し、Convolutional Neural Network (CNN)で学習。6種類のゆらぎパターンに分類します。人工データで学習したゆらぎパターンのモデルを、測定したReRAMの電流値に適用することで、発生頻度の高いゆらぎパターンを抑制でき、CiMの演算精度が向上します。