ソースフォロワ読み出し・チャージシェアリングにより32 ML & 1024 AL並列で積和演算を行う66 TOPS/W強誘電体FET CiM

• Item type: Symposium(1)
• 公開日: 2021-08-25
• タイトル: ソースフォロワ読み出し・チャージシェアリングにより32 ML & 1024 AL並列で積和演算を行う66 TOPS/W強誘電体FET CiM
• タイトル / 言語: en
• タイトル: 66 TOPS/W FeFET CiM with Multiply-Accumulate by 32 ML & 1024 AL Parallel Source-follower Read and Charge-sharing
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ポスター
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 東京大学大学院工学系研究科電気系工学専攻
• 著者所属: 東京大学大学院工学系研究科電気系工学専攻
• 著者所属: 東京大学大学院工学系研究科電気系工学専攻
• 著者所属: 東京大学大学院工学系研究科電気系工学専攻
• 著者所属(英): en
• 著者所属(英): Dept. of Electrical Engineering and Information Systems, Graduate School of Engineering, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Dept. of Electrical Engineering and Information Systems, Graduate School of Engineering, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Dept. of Electrical Engineering and Information Systems, Graduate School of Engineering, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Dept. of Electrical Engineering and Information Systems, Graduate School of Engineering, The University of Tokyo
• 著者名: 松井, 千尋; トープラサートポン, カシディット; 高木, 信一; 竹内, 健
• 著者名(英): Chihiro, Matsui; Kasidit, Toprasertpong; Shinichi, Takagi; Ken, Takeuchi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 読み出し電流の On/Off 比が高い強誘電体 FET (FeFET) を用いた，電圧センス型 Computation-in-Memory (CiM) を提案した．AND フラッシュ回路のように接続された複数の FeFET セルに，ニューラルネットワークの重みを保存する．前段の pre-neuron の発火であるニューラルネットワークの入力は FeFET のソースに与える．Phase 1) ソースフォロワ読み出しによって入力と重みの積を 32 本並列に Multiply-line (ML) に読み出し，Phase 2) 1024 本の Accumulate-line (AL) の配線容量を並列にチャージシェアすることで積の結果を合計し，積和演算結果を得る．従来の電流センス型 CiM と異なり，提案の FeFET を用いた電圧センス型 CiM は積演算時に DC 電流が流れず，和演算時に電力を消費しないため，並列に MAC 演算を行うことができ，66 TOPS/W の高スループット・高エネルギー効率を実現できる．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: A voltage-sensing computation-in-memory using ferroelectric FETs (FeFETs) with high on/off current ratio. To store the weights of the neural networks, multiple FeFETs are connected like AND-type flash array. As pre-neurons information of the neural networks, the input is given to the source-line of the FeFET. Multiply-accumulate (MAC) result is obtained by Phase 1) multiplying inputs and weights by source-follower read to 32 multiply-lines (MLs) in parallel and Phase 2) accumulating capacitance of parallel 1024 accumulate-lines (ALs) by charge-sharing. Unlike the conventional current-sensing CiM, DC current flows in multiply-phase, and no active power is consumed in accumulate-phase in the proposed voltage-sensing FeFET CiM. As a result, the proposed FeFET CiM achieves 66 TOPS/W high throughput and high energy efficiency by parallel MAC operation.
• 書誌情報: DAシンポジウム2021論文集; 巻 2021, p. 61-62, 発行日 2021-08-25
• 出版者 / 言語: ja
• 出版者: 情報処理学会