2019 Fiscal Year Research-status Report
深層学習用途に最適化した不揮発性半導体メモリシステムの研究
| Project/Area Number |
19K15051
|
|---|
| Research Institution | Chuo University |
|---|
Principal Investigator |
松井 千尋 中央大学, 研究開発機構, 機構助教 (80823484)
|
|---|
| Project Period (FY) |
2019-04-01 – 2021-03-31
|
| Keywords | 不揮発性半導体メモリ / メモリシステム / 深層学習 |
|---|
| Outline of Annual Research Achievements |
不揮発性半導体メモリを活用し深層学習向けのメモリシステムを実現するため、メモリのトレードオフを明らかにし解決する。深層学習を行うクラウドデータセンタとエッジデバイスで異なるコンピューティングリソースを考慮し、システムだけ、デバイスだけでは解決できない課題に取り組むため、システムとデバイスのDesign Technology Co-Optimization (DTCO)を行う。
このために今年度は、不揮発性半導体メモリシステムエミュレータを構築した。入力するアプリケーションワークロードを変更し、深層学習を行うエッジデバイス向けおよびデータセンタ向けのエミュレータとして用いる。不揮発性半導体メモリをモデル化し、メモリセルの書き換え時間・読み出し時間を変更することで、高速および低速な不揮発性メモリの動作や、メモリセルに生じるエラーを低減するベリファイ書き込みを模擬する。また、アプリケーションワークロードによって不揮発性半導体メモリセルに生じるエラーを評価する。発生したエラーを訂正するため、さまざまなエラー率に対応するECCも実装した。これらシステム全体のデータ処理性能、消費エネルギー、エラーを評価することで、メモリシステムの全体最適化を行う研究の基盤となる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
これまでにメモリシステム全体最適化するための研究基盤となるエミュレータ構築を進めた。次年度以降、エミュレータを用いてエッジデバイスおよびデータセンタそれぞれの用途に向けたメモリシステムの評価を行う。エッジデバイス・データセンタそれぞれに向けて、メモリのトレードオフを解消するためにデータマネジメント手法を提案・開発する。
|
| Strategy for Future Research Activity |
深層学習はエッジデバイスおよびデータセンタで用いられるため、これらをつなぐネットワークも含めたメモリシステムの評価を行う。メモリセルに生じるエラーに対して、エラー訂正する・エラー低減する手法について評価する。さらに、ネットワークによる遅延やメモリセルに生じるエラーなどを含めたメモリシステム全体について、本年度までに構築したメモリシステムエミュレータを用いて評価を行う。
|
| Causes of Carryover |
メモリシステムエミュレータを構築する過程で、エッジデバイス向けおよびデータセンタ向けにメモリデバイスを最適に制御する手法を開発する。今後提案するメモリデバイスの制御手法をメモリシステムエミュレータ上に構築し評価する。
|
