“메모리스트 기반 멀티코어, 딥러닝 훈련을 위한 초저전력·고처리량 아키텍처”
1. 연구 배경 및 동기 - 전력·면적 제한 : 현재 GPU·CPU 기반 딥러닝 가속기는 높은 연산 성능을 제공하지만, 메모리 이동과 범용 연산 유닛 때문에 전력 소모가 크다. - 메모리스트(cross‑bar) 활용 : 메모리스트는 아날로그 도메인에서 동시 다중 곱‑덧셈(MAC) 을 수행할 수 있어, DNN의 핵심 연산인 행렬‑벡터 곱을 매우 저전력으로 구현한다. 2. 주요 기여 번호 내용 차별




