Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
가정용 피부 병변 스크리닝을 위한 65nm 멀티모달 베이지안 추론 엔진을 제안합니다. Compute-in-memory 아키텍처와 보정 불필요 GRNG를 통해 온디바이스 환경에서 높은 에너지 효율과 불확실성 모델링 성능을 구현했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AR의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기우리는 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.