DIMCA: An Area-Efficient Digital In-Memory Computing Macro Featuring Approximate Arithmetic Hardware in 28 nm

Recent SRAM-based in-memory computing (IMC) hardware demonstrates high energy efficiency and throughput for matrix-vector multiplication (MVM), the dominant kernel for deep neural networks (DNNs). Earlier IMC macros have employed analog-mixed-signal (AMS) arithmetic hardware. However, those so-calle...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	IEEE journal of solid-state circuits Jg. 59; H. 3; S. 960 - 971
Hauptverfasser:	Lin, Chuan-Tung, Wang, Dewei, Zhang, Bo, Chen, Gregory K., Knag, Phil C., Krishnamurthy, Ram Kumar, Seok, Mingoo
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	New York IEEE 01.03.2024 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Schlagworte:	Accuracy Approximate computing Approximation approximation-aware training Arithmetic Artificial neural networks Compressors Computation Deep learning Hardware In-memory computing in-memory computing (IMC) Integrated circuit modeling Mathematical analysis Multiplication neural network accelerators Static random access memory
ISSN:	0018-9200, 1558-173X
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!