Core Concepts
자기 터널 접합 기반 계산 랜덤 액세스 메모리의 계산 정확도를 실험적으로 평가하고 이를 통해 기존 응용 분야와 새로운 기계 지능 분야에서의 기술적 잠재력을 확인하였다.
Abstract
이 연구는 자기 터널 접합 기반 계산 랜덤 액세스 메모리(CRAM)의 첫 번째 실험적 시연을 제공한다. 우선 기본 메모리 동작과 2, 3, 5 입력 논리 연산을 연구하였다. 이어서 두 가지 설계의 1비트 전가산기를 시연하였다. 실험 결과를 바탕으로 CRAM 계산의 정확도를 특성화하는 모델링 기술을 개발하였다. 이를 통해 스칼라 덧셈, 곱셈, 행렬 곱셈의 정확도를 평가하였다. 마지막으로 이를 신경망 기반 필기체 숫자 분류기에 적용하여 응용 성능과 향후 자기 터널 접합 기술 발전의 연관성을 보여주었다. 이 결과는 CRAM 기술이 전력 및 에너지 집약적인 기계 지능 응용 분야에 큰 영향을 미칠 것임을 확인한다.
Stats
데이터 이동은 계산에 사용되는 에너지의 약 200배를 소비한다.
자기 터널 접합의 터널 자기 저항비는 약 100%이다.
2입력 NAND 연산의 정확도는 최대 99.4%이다.
3입력 MAJ3 연산의 정확도는 86.5%이다.
5입력 MAJ5 연산의 정확도는 75%이다.
실험적 가정에서 1비트 전가산기의 정확도는 63.8%이다.
생산 가정에서 1비트 전가산기의 정확도는 78.5%이다.
개선된 가정에서 MNIST 분류기의 정확도는 97.09%이다.
Quotes
"데이터 이동은 계산에 사용되는 에너지의 약 200배를 소비한다."
"자기 터널 접합의 터널 자기 저항비는 약 100%이다."
"2입력 NAND 연산의 정확도는 최대 99.4%이다."
"3입력 MAJ3 연산의 정확도는 86.5%이다."
"5입력 MAJ5 연산의 정확도는 75%이다."
"실험적 가정에서 1비트 전가산기의 정확도는 63.8%이다."
"생산 가정에서 1비트 전가산기의 정확도는 78.5%이다."
"개선된 가정에서 MNIST 분류기의 정확도는 97.09%이다."