우리는 통제되지 않은 가정 환경에서 개인정보를 보호하며 완전한 온디바이스 (on-device) 피부 병변 스크리닝을 수행하기 위한 65-nm 위험 인지형 멀티모달 베이지안 추론 엔진 (multimodal Bayesian inference engine)을 제시합니다. 제안된 컴퓨팅 인 메모리 (compute-in-memory) 아키텍처는 워드 내 가우시안 혼합 (in-word Mixture-of-Gaussian) 샘플링을 수행하여, 기존의 단일 모드 베이지안 신경망 (unimodal Bayesian neural networks)을 넘어선 불확실성 모델링 (uncertainty modeling)을 구현합니다. 이러한 추가적인 확률적 표현력 (probabilistic expressiveness)은 동일 위험 작동 범위 (equal-risk operating coverage)를 1.4배 증가시키고, 사용자 데이터 섭동 (user-data perturbations)에 대한 강건성을 1.5배 이상 향상시키며, 공정 변이 탄력성 (process-variation resilience)을 5.5배 강화하고, 최첨단 단일 모드 베이지안 신경망 대비 균형 정확도 (balanced accuracy)를 1.8% 개선합니다. 하드웨어 강건성은 상보적 공정 변이 (complementary process variation)를 사용하는 보정 불필요 가우시안 난수 생성 (calibration-free Gaussian random-number generation)을 통해 더욱 뒷받침되며, 16.3 fJ/sample 및 168.6 GSa/s/mm^2의 효율성을 달성합니다. 이러한 결과는 개인정보를 중시하는 의료 스크리닝을 위한 실용적이고 에너지 효율적이며 위험을 인지하는 엣지 AI (edge-AI) 솔루션을 입증합니다.