불확실성 인지형 항공 수색 및 구조를 위한 640 aJ 쓰기 프리(Write-Free) FeFET GRNG를 탑재한 185 TOPS/W/mm2

항공 수색 및 구조 (Aerial search and rescue) 임무는 불확실하고 급격하게 변화하는 환경에서 빠르고 신뢰할 수 있는 피해자 탐지를 요구합니다. 결정론적 (Deterministic) 딥러닝 모델은 과도하게 확신하는 거짓 양성 (False positives)을 생성할 수 있으며, 이는 무인 항공기 시스템 (Unmanned aircraft systems)이 탐색 범위를 줄이고 구조 지연을 증가시키는 비용이 많이 드는 검증 기동을 수행하도록 강제합니다. 베이지안 신경망 (Bayesian neural networks)은 불확실성을 인지하는 탐지를 제공하지만, 샘플링 오버헤드 (Sampling overhead)는 배터리 제약이 있는 엣지 플랫폼 (Edge platforms)에 큰 도전 과제입니다. 본 연구는 컴퓨트 인 메모리 (Compute-in-memory, CIM) 매크로에 임베디드된 쓰기 프리 (Write-free) 중심한계정리 가우시안 난수 생성기 (Central limit theorem Gaussian random number generator, CLT-GRNG)를 갖춘 FeFET 기반 베이지안 추론 엔진을 제시합니다. 최소 크기로 한 번만 프로그래밍된 FeFET들의 무작위로 선택된 하위 집합으로부터 전류를 합산함으로써, 제안된 아키텍처는 확장 가능한 가우시안 샘플링 (Gaussian sampling)을 유지하면서 추론 중 에너지 및 내구성이 많이 소모되는 쓰기 동작을 제거합니다. CLT-GRNG는 샘플당 640 aJ를 소비하여 이전의 BNN 가속기 대비 560배의 에너지 효율 향상을 제공하며, CIM 타일은 185 TOPS/W/mm2를 달성합니다. 항공 수색 및 구조 탐지에서 평가했을 때, 베이지안 모델은 환경 오염 (Environmental corruption) 상황에서도 불확실성 보정 (Uncertainty calibration)과 강건성 (Robustness)을 개선하여, 위험을 줄이고 비용이 많이 드는 검증 전에 신뢰도가 낮은 탐지 결과를 필터링할 수 있게 합니다. 이러한 결과는 자율 수색 및 구조 시스템을 위한 에너지 효율적이고 불확실성을 인지하는 엣지 AI 엔진을 입증합니다.