• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2019 年度 実施状況報告書

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

研究課題

研究課題/領域番号 19K15051
研究機関中央大学

研究代表者

松井 千尋  中央大学, 研究開発機構, 機構助教 (80823484)

研究期間 (年度) 2019-04-01 – 2021-03-31
キーワード不揮発性半導体メモリ / メモリシステム / 深層学習
研究実績の概要

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。

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

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。

今後の研究の推進方策

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。

次年度使用額が生じた理由

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。

  • 研究成果

    (1件)

すべて 2019

すべて 学会発表 (1件) (うち国際学会 1件)

  • [学会発表] TaOx-based ReRAM for Variability-Aware Approximate Computing2019

    • 著者名/発表者名
      Chihiro Matsui, Shouhei Fukuyama, Atsuna Hayakawa, and Ken Takeuchi
    • 学会等名
      Flash Memory Summit
    • 国際学会

URL: 

公開日: 2021-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi