| IP명 | Filtered Classification Neurons for Low-Power Systems for Low Power Consumption Inference | ||
|---|---|---|---|
| Category | Mixed | Application | AI |
| 실설계면적 | 5000㎛ X 1530㎛ | 공급 전압 | 2.8 / 1.8V |
| IP유형 | Hard IP | 동작속도 | 10MHz |
| 검증단계 | Simulation | 참여공정 | HM-2401 |
| IP개요 | 본 발명은 **하드웨어 기반 스파이킹 뉴럴 네트워크(SNN)**에서 추론 시 뉴런 블록의 불필요한 전력 소모를 최소화하는 Filtered Classification 기법을 제안한다. 기존 SNN 시스템에서는 모든 뉴런이 추론 과정 내내 활성화되기 때문에 불필요한 에너지 소모가 발생하며, 이는 특히 뉴런 어레이 규모가 커질수록 더욱 심각한 전력 문제를 초래한다. 본 발명에서는 추론 과정 중간에 뉴런의 출력 스파이크 개수를 비교하여 스파이크 발생 빈도가 높은 뉴런만을 유지하고, 기여도가 낮은 뉴런을 대기 모드로 전환함으로써 전력 소모를 효과적으로 줄이는 방법을 적용하였다. 이를 위해 뉴런 블록 내 Power-gating 기술을 활용하여 불필요한 전류 흐름을 차단하며, MATLAB® 시뮬레이션과 28nm CMOS 공정 기반의 하드웨어 검증을 통해 거의 동일한 정확도를 유지하면서도 추론 에너지를 대폭 절감할 수 있음을 확인하였다. | ||
- 레이아웃 사진 -
|
|||