セッション詳細
[24p-31A-1~14]FS.1 フォーカストセッション「AIエレクトロニクス」
2024年3月24日(日) 13:00 〜 17:00
31A (3号館)
丸亀 孝生(東芝)、 大矢 剛嗣(横国大)
[24p-31A-1][分科内招待講演] 大容量フラッシュメモリ技術とその応用
〇三谷 祐一郎1 (1.東京都市大理工)
[24p-31A-2]確率的FG型ニューロンの内在ノイズモデル化と確率共鳴効果における信号検知精度への影響
〇合田 晃1、松井 千尋1、竹内 健1 (1.東大工)
[24p-31A-3]確率的FG 型ニューロンにおけるしきい値ばらつきと電子注入ノイズの確率共鳴特性に及ぼす効果
〇合田 晃1、松井 千尋1、竹内 健1 (1.東大工)
[24p-31A-4]不揮発性メモリの量子化・書き込みばらつきを考慮した学習によるComputation-in-Memoryにおける深層強化学習の性能向上
〇(B)佐藤 龍吾1、山内 堅心1、松井 千尋1、竹内 健1 (1.東大工)
[24p-31A-5]FeFETベースCiMと強宝くじ仮説のCo-designによる高エラー耐性な推論器の提案
〇(M1)山内 堅心1、山田 歩1、三澤 奈央子1、趙 成謹1、トープラサートポン カシディット1、高木 信一1、松井 千尋1、竹内 健1 (1.東大工)
[24p-31A-6]CNN による ReRAM 電流値ゆらぎパターン分類手法とゆらぎの物理モデル
〇山田 歩1、三澤 奈央子1、松井 千尋1、竹内 健1 (1.東大工)
[24p-31A-7]FeFETを用いた電圧検知Computation-in-Memoryの回路デザイン
〇松井 千尋1、トープラサートポン カシディット1、高木 信一1、竹内 健1 (1.東大工)
[24p-31A-8]省面積・低エネルギー・高精度なCiMに向けて1: 入出力レンジ学習手法
〇山田 歩1、三澤 奈央子1、松井 千尋1、竹内 健1 (1.東大工)
[24p-31A-9]省面積・低エネルギー・高精度なCiMに向けて2:エラー補償
〇山田 歩1、三澤 奈央子1、松井 千尋1、竹内 健1 (1.東大工)
[24p-31A-10]Vision Transformerの小型化に向けたComputation-in-Memoryへの量子化手法および量子化認識トレーニング
〇三澤 奈央子1、山口 竜平1、山田 歩1、松井 千尋1、竹内 健1 (1.東大工)
[24p-31A-11]ニューロモルフィック・コンピューティングに向けたランダムな重みの生成と積和演算を融合したComputation-in-Memory
〇三澤 奈央子1、越能 俊介1、松井 千尋1、竹内 健1 (1.東大工)
[24p-31A-12]Application of GNN and CNN to CiM-based Accelerators
〇Hanxi Xue1, Naoko Misawa1, Chihiro Matsui1, Ken Takeuchi1 (1.Univ. Tokyo)
[24p-31A-13]Analysis of Low-Bit Precision ReRAM CiM-based Convolutional Neural Networks during Training and Inference
〇(D)Adil Padiyal1, Ayumu Yamada1, Naoko Misawa1, Chihiro Matsui1, Ken Takeuchi1 (1.The Univ. Of Tokyo)
[24p-31A-14]Analysis of Read Current Fluctuation in Low Resistance State ReRAM by using Fluctuation Pattern Classifier
〇(M2)Zhiyuan Huang1, Ayumu Yamada1, Naoko Misawa1, Chihiro Matsui1, Ken Takeuchi1 (1.Univ. Tokyo)