CAFE: FeFET 기반 Compute-in-Memory에서 강건한 DNN 추론을 위한 전도 셀 인식 적응 차분 인코딩

요약

본 논문은 FeFET 기반 Compute-in-Memory(CIM)의 소자 변동성으로 인한 DNN 추론 정확도 저하 문제를 다룹니다. 특히, 전도 셀에서 발생하는 비대칭적 오류 증폭을 포착하여 이를 제거하는 CAFE 프레임워크를 제안합니다. CAFE는 전도 셀 활동 지표(C$^2$AM)와 적응 차분 인코딩을 결합하여 높은 강건성을 유지하면서 비용 효율적인 추론이 가능함을 입증했습니다.

핵심 포인트

• FeFET 기반 CIM의 소자 변동성으로 인한 DNN 정확도 저하 문제를 해결합니다.
• CAFE는 전도 셀 인식 적응 차분 인코딩 프레임워크를 제안하여 오류 증폭을 제거합니다.
• C$^2$AM 지표와 결합된 CAFE는 높은 강건성을 유지하면서 비용 효율적인 추론 성능을 달성했습니다.