As AI technology and various research develop, machine learning is utilized in many fields and has made breakthrough results. However, the machine learning algorithm not only uses a large number of network parameters but also has a structure in which the number of computations is easy to increase. Consequently, memory access during the computing process limits the energy efficiency and speed of the hardware. Also, since the computing itself requires a lot of area and power, the efficient calculation method is essential. In this thesis, time-domain word-wise computing for a highly integrated NAND flash in-memory computing has been proposed to achieve high energy-efficiency. The proposed architecture was confirmed to have 95.11% accuracy in the CBCL dataset using SVM.
최근, 기계 학습은 기술의 발전과 다양한 연구로 인해 여러 응용분야에서 많이 활용되고 있으며 획기적인 성과를 내고 있다. 하지만, 이러한 응용 분야를 수행하는 데 필요한 기계 학습 알고리즘은 수많은 파라미터를 사용하고 연산의 횟수가 증가하기 쉬운 구조로 되어 있다. 결과적으로, 연산 과정 중에 생기는 메모리 액세스로 인해 하드웨어의 에너지 효율성 및 속도가 제한된다. 그뿐만 아니라, 연산 자체에서도 많은 면적과 전력이 필요하므로 효율적인 연산 방법이 반드시 필요하다. 본 연구에서는 낸드 플래시를 이용한 시간 영역의 연산 방법을 제시하고자 한다. 메모리 용량이 작은 SRAM을 사용하는 기존 시스템 대신 시간 영역의 워드 와이즈 연산 방식을 이용한 고집적 메모리인 낸드 플래시를 제안하여 효율적인 연산을 실현하였다. 제안한 방식은 머신러닝 알고리즘 SVM을 적용하였을 때 CBCL 데이터셋에서 95.11% 정확도를 갖는 것을 확인하였다.
