[학위논문]Transmission Gate를 이용한 Current-mode SNN 시스템 구현용 Current Memory 회로에 관한 연구 A Study on Design of current memory circuit with transmission gate for a current-mode SNN System원문보기
인공지능에 대한 관심이 높아지며 인공지능을 하드웨어로 구현하기 위한 연구가 다양하게 시도되고 있다. 하지만 현대의 연산 반도체 구조에서는 폰 노이만 구조의 한계로 인하여 기존의 인공지능 알고리즘의 방대한 연산을 수행할 때 병목현상으로 인한 연산속도 저하와 과도한 전력 소비가 발생한다. 따라서, 이러한 문제점을 극복하고자 인간의 뇌 동작을 모방한 차세대 인공지능 모델인 Spiking Neural Network를 사용하여 저전력 뉴로모픽(Neuromorphic) 칩인 Current-mode SNN 시스템을 제안해 왔다. 본 연구에서는 Current-mode SNN 시스템에서, ...
인공지능에 대한 관심이 높아지며 인공지능을 하드웨어로 구현하기 위한 연구가 다양하게 시도되고 있다. 하지만 현대의 연산 반도체 구조에서는 폰 노이만 구조의 한계로 인하여 기존의 인공지능 알고리즘의 방대한 연산을 수행할 때 병목현상으로 인한 연산속도 저하와 과도한 전력 소비가 발생한다. 따라서, 이러한 문제점을 극복하고자 인간의 뇌 동작을 모방한 차세대 인공지능 모델인 Spiking Neural Network를 사용하여 저전력 뉴로모픽(Neuromorphic) 칩인 Current-mode SNN 시스템을 제안해 왔다. 본 연구에서는 Current-mode SNN 시스템에서, 뉴런의 세포막 전위(Membrane potential)역할을 담당하는 핵심 소자인 Current Memory 회로는 입력전류가 있을 때만 동작하는 특성을 가지고 있어서, 인간의 뇌세포 동작과 유사하여, 저전력 동작에 매우 유리한 장점을 가지고 있으나, 전류의 저장 및 전달 동작을 수행하기 위하여 MOS Switch를 사용하여 회로를 제어할 때, MOSFET Switch는 제어를 위해 Gate에 가해지는 신호가 ON OFF로 바뀔 때, Clock-Feedthrough와 Charge-Injection의 현상이 발생하여 입력 전류에 대한 출력 전류의 큰 오차가 발생하는 문제가 있다. 따라서, 본 논문에서는, 사용되는 Current Memory 회로에 MOS Switch 대신에 Transmission Gate를 사용하는 구조를 제안하여 Clock-Feedthrough와 Charge-Injection 영향을 최소화하는 새로운 Current Memory 회로를 제안하였다. 제안한 Current Memory 회로는 Transmission Gate를 활용하여 Clock-Feedthrough와 Charge-Injection의 영향을 최소화하였으며, 매그나칩/SK하이닉스 180nm 공정을 사용하여 Cadence Virtuoso & MMSIM의 Simulation을 통해 검증한 결과, 입력 전류에 대한 출력 전류의 오차가 크게 감소하여, 저장시간(holdtime) 대비 전류 보존율 50% 기준, 200% 이상의 성능 개선을 확인하였다. 또한, 제안한 Current Memory 회로를 모델링하여 Matlab Simulink를 통해 SNN 시스템의 유효 동작을 검증하였다. 본 연구는 Current-mode SNN 시스템은 저전력 인공지능 프로세서 구현에 유용할 것으로 기대한다.
인공지능에 대한 관심이 높아지며 인공지능을 하드웨어로 구현하기 위한 연구가 다양하게 시도되고 있다. 하지만 현대의 연산 반도체 구조에서는 폰 노이만 구조의 한계로 인하여 기존의 인공지능 알고리즘의 방대한 연산을 수행할 때 병목현상으로 인한 연산속도 저하와 과도한 전력 소비가 발생한다. 따라서, 이러한 문제점을 극복하고자 인간의 뇌 동작을 모방한 차세대 인공지능 모델인 Spiking Neural Network를 사용하여 저전력 뉴로모픽(Neuromorphic) 칩인 Current-mode SNN 시스템을 제안해 왔다. 본 연구에서는 Current-mode SNN 시스템에서, 뉴런의 세포막 전위(Membrane potential)역할을 담당하는 핵심 소자인 Current Memory 회로는 입력전류가 있을 때만 동작하는 특성을 가지고 있어서, 인간의 뇌세포 동작과 유사하여, 저전력 동작에 매우 유리한 장점을 가지고 있으나, 전류의 저장 및 전달 동작을 수행하기 위하여 MOS Switch를 사용하여 회로를 제어할 때, MOSFET Switch는 제어를 위해 Gate에 가해지는 신호가 ON OFF로 바뀔 때, Clock-Feedthrough와 Charge-Injection의 현상이 발생하여 입력 전류에 대한 출력 전류의 큰 오차가 발생하는 문제가 있다. 따라서, 본 논문에서는, 사용되는 Current Memory 회로에 MOS Switch 대신에 Transmission Gate를 사용하는 구조를 제안하여 Clock-Feedthrough와 Charge-Injection 영향을 최소화하는 새로운 Current Memory 회로를 제안하였다. 제안한 Current Memory 회로는 Transmission Gate를 활용하여 Clock-Feedthrough와 Charge-Injection의 영향을 최소화하였으며, 매그나칩/SK하이닉스 180nm 공정을 사용하여 Cadence Virtuoso & MMSIM의 Simulation을 통해 검증한 결과, 입력 전류에 대한 출력 전류의 오차가 크게 감소하여, 저장시간(hold time) 대비 전류 보존율 50% 기준, 200% 이상의 성능 개선을 확인하였다. 또한, 제안한 Current Memory 회로를 모델링하여 Matlab Simulink를 통해 SNN 시스템의 유효 동작을 검증하였다. 본 연구는 Current-mode SNN 시스템은 저전력 인공지능 프로세서 구현에 유용할 것으로 기대한다.
As interest in artificial intelligence is increasing, various studies are being attempted to implement artificial intelligence in hardware. However, in the modern computational semiconductor structure, due to the limitation of the von Neumann structure, the computational speed decreases due to bottl...
As interest in artificial intelligence is increasing, various studies are being attempted to implement artificial intelligence in hardware. However, in the modern computational semiconductor structure, due to the limitation of the von Neumann structure, the computational speed decreases due to bottlenecks and excessive power consumption occurs when performing extensive computation of existing artificial intelligence algorithms. Therefore, to overcome these problems, we have proposed a current-mode SNN system, a low-power neuromorphic chip, using Spiking Neural Network, a next-generation artificial intelligence model that mimics human brain behavior. In this study, the current memory circuit, a key element responsible for the membrane potential of neurons in the current-mode SNN system, has the advantage of operating only in the presence of input current, similar to human brain cell behavior, but when the current is stored and transmitted, the signal is controlled to switch There is a problem that arises. Therefore, in this paper, we propose a structure that uses Transmission Gate instead of MOS Switch for the Current Memory circuit used, thereby proposing a novel Current Memory circuit that minimizes the effects of Clock-Feedthrough and Charge-Injection. The proposed Current Memory circuit minimized the effect of Clock-Feedthrough and Charge-Injection using a Transmission Gate, and verified through Cadence Virtuoso & MMSIM simulation using a Magnachip/SK Hynix 180nm process to significantly reduce the error and performance improvement of 200% or more based on 50% current retention compared to storage time was confirmed. In addition, the proposed Current Memory circuit is modeled to verify the effective behavior of the SNN system through Matlab Simulink. This study expects the Current-mode SNN system to be useful for implementing low-power artificial intelligence processors.
As interest in artificial intelligence is increasing, various studies are being attempted to implement artificial intelligence in hardware. However, in the modern computational semiconductor structure, due to the limitation of the von Neumann structure, the computational speed decreases due to bottlenecks and excessive power consumption occurs when performing extensive computation of existing artificial intelligence algorithms. Therefore, to overcome these problems, we have proposed a current-mode SNN system, a low-power neuromorphic chip, using Spiking Neural Network, a next-generation artificial intelligence model that mimics human brain behavior. In this study, the current memory circuit, a key element responsible for the membrane potential of neurons in the current-mode SNN system, has the advantage of operating only in the presence of input current, similar to human brain cell behavior, but when the current is stored and transmitted, the signal is controlled to switch There is a problem that arises. Therefore, in this paper, we propose a structure that uses Transmission Gate instead of MOS Switch for the Current Memory circuit used, thereby proposing a novel Current Memory circuit that minimizes the effects of Clock-Feedthrough and Charge-Injection. The proposed Current Memory circuit minimized the effect of Clock-Feedthrough and Charge-Injection using a Transmission Gate, and verified through Cadence Virtuoso & MMSIM simulation using a Magnachip/SK Hynix 180nm process to significantly reduce the error and performance improvement of 200% or more based on 50% current retention compared to storage time was confirmed. In addition, the proposed Current Memory circuit is modeled to verify the effective behavior of the SNN system through Matlab Simulink. This study expects the Current-mode SNN system to be useful for implementing low-power artificial intelligence processors.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.