Work

A Novel Design of Overpass Channel Synapse Array with Ultra-Low Power Operation for Neuromorphic Systems

Year: 2023
Type: dissertation
Abstract: Von Nueumann 기반의 심층 신경망은 컴퓨팅 파워의 급속한 발전으로 놀라운 성능을 달성해왔다. 그러나 데이터 이동은 중앙처리장치(CPU)와 메모리의 직렬 연결로 인해 상당한 시간과 에너지를 소모한다. 그 결과, 뉴로모픽 시스템은 매우 낮은 전력 소비를 유지하면서 인공 신경망의 계산 문제를 해결하는 강력한 후보로 주목받았다. 특히, 뉴로모픽 시스템의 중요한 구성 요소인 시냅스는 뉴런 사이의 가중치를 저장하고 신호를 전달한다. 일반적으로 인공 시냅스는 벡터곱 연산이 Kirchhoff의 전류 법칙에 따라 전류 합으로 표현되기 때문에 빠르고 낮은 전력 소모로 작동한다. \n따라서 멤리스터 기반의 2단자 소자, 플래시 메모리 기반의 시냅스 소자 등 다양한 시냅스 소자가 제안 및 연구되었다. 멤리스터 시냅스 소자는 구조가 단순하고 고집적·대용량 집적에 유리하지만 소자 편차, 신뢰성, 누설 전류 등에 한계가 있다. 반면 플래시 메모리 기반 시냅스 소자는 오랜 연구 역사를 가진 성숙한 분야로 안정적인 멀티비트 동작을 제공한다. 일반적으로 NAND, NOR 및 AND 타입의 어레이가 시냅스 어레이로 구현되며, NAND형 어레이는 가중치 값을 순차적으로 읽어야 하므로 추가 회로가 필요하다. 반면 NOR 및 AND 타입 어레이는 소스에서 전류를 감지하여 벡터곱 연산을 수행할 수 있으나 고집적에 한계가 있다. \n본 논문에서는 초저전력 동작 및 RC 지연 감소를 위한 poly-Si 기반의 OCS(overpass channel synaptic) 트랜지스터를 제안하였다. OCS 트랜지스터는 두 가지 주요 구조적 이점을 보여준다. 첫째, 온 전류가 100nA 미만으로 핀 모양의 바닥 게이트를 둘러싼 채널로 인해 높은 온/오프 전류 비율을 가지고 있다. 둘째, 전하 저장층의 부피를 늘려 OCS 트랜지스터의 가중치를 미세하게 나눌 수 있다. NOR 타입의 OCS 어레이의 추론 및 가중치 업데이트를 실험적으로 증명하였다. \n제작된 다이오드 연결형(D-C) OCS 어레이는 추론 시 1% 미만의 벡터곱 연산 오차를 나타냄을 검증하였다. 또한, D-C OCS 어레이의 시냅스 가중치는 비대칭 게이트가 있는 FN(Fowler-Nordheim) 터널링을 사용하여 nA 미만의 간격으로 조정된다. 마지막으로 Fashion MNIST 데이터 세트의 분류 정확도는 스파이킹 신경망(SNN)의 시냅스 가중치를 4비트 양자화 한 상태에서 1년 후에도 91.29%를 달성하였다.
Author: 장태진
Language: Korean
Keyword: over
Open Access status: green
OpenAlex ID: W7002553691
Cites: 52
Cited by:
Related to: 9