@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00238264,
 author = {陳, 岱鋒 and 増田, 豊 and 石原, 亨},
 book = {DAシンポジウム2024論文集},
 month = {Aug},
 note = {近年，ニューラルネットワークアクセラレータなどのデータ集約型アプリケーションに対する需要が急速に高まっている．一方，集約するデータ量の爆発的増加に伴い，エネルギー消費の増加が深刻な課題になりつつある．例えば，ニューラルネットワークの学習や推論では，重み情報などをメモリ上で記憶するためにメモリと演算回路間のデータ転送が必要であり，データ移動に要する遅延や消費エネルギーのオーバヘッドが顕在化している．上記の学習と推論において，演算処理と記憶処理の両方を低消費エネルギー化する方法として，演算回路のみならずメモリを低電圧動作させる方策が考えられる．一方，単純な低電圧化は，メモリを含む行列積演算器全体の性能を大きく低下させ，かえって消費エネルギーを増加させるリスクを有する．本稿では，近しきい値電圧動作においても性能劣化を最小限に抑えることができる行列積演算器を提案する．メモリにはロジックプロセスとの完全互換性を有し面積効率の高い Gain-Cell DRAM を活用する．積和演算器の設計では，トランジスタの縦積み数が 2 以下の論理ゲートのみを利用し，論理段数を抑えるために潜在的 2 分木構造を有する対数近似乗算を活用する．これにより，低電圧化による遅延増加を大幅に緩和し，低消費エネルギー化を推進する．評価実験の結果，提案手法が既存の行列積演算器と比べてより良いエネルギー効率を達成することを確認した．},
 pages = {255--262},
 publisher = {情報処理学会},
 title = {Gain-Cell DRAMを活用する近しきい値電圧動作に適した行列積演算器},
 volume = {2024},
 year = {2024}
}