Neuromorphic AI Processor/IP
초저전력 · 초고속 · 초정밀 AI 연산을 위한 차세대 뉴로모픽 프로세서 IP
초저전력 · 초고속 · 초정밀 AI 연산을 위한 차세대 뉴로모픽 프로세서 IP
ReRAM 기반 Computing-in-Memory(CiM) 기술과 Spiking Neural Network(SNN) 기반의 이벤트 구동 연산 기술을 결합한 차세대 AI Acceleration Processor IP.
기존 프로세서 중심의 AI 연산 구조에서 발생하는 데이터 이동과 불필요한 연산을 줄이고, 필요한 이벤트가 발생할 때 선택적으로 연산하는 뉴로모픽 아키텍처를 통해 엣지 환경에 최적화된 초저전력·초고속 AI 연산을 구현.
메모리와 연산을 가까이 배치하여 데이터 이동을 최소화하고, AI 신경망의 핵심 연산을 메모리 내부에서 효율적으로 수행.
이벤트 신호 기반의 선택적 연산 구조를 적용하여 불필요한 연산을 줄이고, 실시간 AI 추론에 적합한 저지연 처리 환경을 제공.
+/- 양극성 신호 동시 제어와 자가보정(Self-Calibration) 기술 적용으로 ReRAM 소자의 물리적 편차를 보완하고, 고정밀 AI 연산을 지원.
뉴로모픽 가속기와 RISC-V 프로세서, 메모리 및 인터페이스를 통합할 수 있는 SoC 아키텍처를 기반으로 다양한 Edge AI 시스템에 적용 가능.
AI Acceleration Processor IP는 Vision AI, Robotics, Drones, Intelligent Sensors, IoT 및 다양한 실시간 Edge AI 시스템을 위한 차세대 연산 플랫폼으로 확장 가능
• Ultra-Low Power
• Ultra-High Speed
• Ultra-Precision
AI 모델의 가중치를 ReRAM에 저장해 놓고, 데이터를 메모리 밖으로 계속 이동시키지 않으면서 메모리 자체에서 신경망 연산을 수행하고, 그 결과를 SNN 기반 이벤트 연산으로 처리하는 뉴로모픽 연산 코어.
AI Acceleration Processor IP에서 ReRAM Hybrid-CiM Neuromorphic Core는 실제 AI 연산을 담당하는 핵심 가속 연산 엔진입니다.
AI 신경망의 기본 연산을 단순화하면
입력 × 가중치 → 누적 → 결과 입니다.
특히 신경망에서는 Weight(가중치)가 매우 중요합니다.
ReRAM은 각 셀의 저항 상태를 이용하여 이러한 가중치를 저장할 수 있습니다.
ReRAM Hybrid-CiM Core의 가장 중요한 구조가 Crossbar Array 입니다.
각 교차점에 ReRAM Cell이 존재합니다.
따라서
• 행(Row) → 입력 또는 신호
• 열(Column) → 가중치가 반영된 연산 결과
• ReRAM Cell → 가중치 저장 및 연산에 참여 라는 구조를 만들 수 있습니다.
이 때문에 많은 신경망의 Matrix-Vector Multiplication(MVM)을 하드웨어에서 병렬적으로 처리하는 데 적합합니다.
2T2R은 개념적으로 2개의 Transistor + 2개의 ReRAM 을 하나의 메모리 셀 구조로 사용하는 것입니다.
단순히 "ReRAM을 사용한다"가 아니라, ReRAM의 물리적 특성과 주변 회로에서 발생할 수 있는 비대칭·변동성을 고려하여 2T2R 기반의 안정적인 CiM Cell을 설계한다는 것이 중요한 부분입니다.
양(+)과 음(-)의 신호를 대칭적으로 활용하여 공통적으로 발생하는 ReRAM의 물리적 편차를 보완하고 비대칭의 영향을 줄여 신경망 가중치를 보다 안정적으로 처리
ReRAM-CiM은 연산을 효율적으로 수행하는 하드웨어 엔진이면서, SNN은 이벤트가 발생하는 순간에만 연산하도록 하는 뉴로모픽 연산 방식입니다.
ReRAM-CiM + Event-Driven SNN → 초저전력, 초고속 연산
