大規模ディープニューラルネットワークに向けたアナログインメモリコンピューティング

カテゴリ: 部門大会

論文No: TC12-5

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Analog-Memory-Based In-Memory Computing for Large-Scale Deep Neural Networks Acceleration

著者名: 石井 正俊（日本アイ・ビー・エム）

著者名(英語): Masatoshi Ishii (IBM Research -Tokyo)

キーワード: インメモリコンピューティング|不揮発性アナログメモリ|相変化メモリ|AIアクセラレータ|ニューラルネットワーク|in-memory computing|non-volatile analog memory|phase-change memory|AI accelerator|neural networks

要約(日本語): 不揮発性アナログメモリアレイを用いたアナログインメモリコンピューティング(アナログAI)は、AI計算の大部分を占める積和演算を高効率に実行するためのAIアクセラレータ技術として注目されている。アナログメモリ素子は連続的なアナログ値を1つのメモリ素子に保持することができるため、メモリ実装面積の削減を可能にするとともに、オームの法則とキルヒホッフの電流則を活用した超並列アナログ積和演算実行を可能にする。本稿では、512x512の重み行列を格納できる相変化メモリアレイを配線層に複数埋め込み搭載した14nmノードの推論用アナログAIアクセラレータチップを紹介し、比較的大規模なニューラルワークを本テストチップ上で実行した実演について議論する。