כתבה
arXiv cs.AI ·
חקר פגיעות שגיאות מעשיות במאיץ CNN בזיכרון ReRAM
An Empirical Fault Vulnerability Exploration of ReRAM-based Process-in-Memory CNN Accelerators
חוקרים פיתחו שיטה לבדיקת פגיעות שגיאות במאיץ CNN בזיכרון ReRAM. המחקר בודק את השפעת שגיאות על דיוק הסיווג של רשתות עצביות עמוקות. התוצאות מראות כי סוג ועומק השכבות, מיקום פרמטרים וסוג השגיאות משפיעים על פגיעות המאיץ.
תקציר מקורי באנגליתarXiv:2610.07029v1 Announce Type: cross Abstract: Resistive random-access memory (ReRAM)-based Processing-in-Memory (PIM) accelerator is a promising platform for processing massively memory intensive matrix-vector multiplications of neural networks in parallel domain, due to its capability of analog computation, ultra-high density, near-zero leakage current, and non-volatility. Despite many advantages, ReRAM-based accelerators are highly error-prone due to limitations of technology fabrication that lead to process variations and defects. These limitations degrade the accuracy of Deep Convolutional Neural Networks (Deep CNNs) running on PIM accelerators. While these CNNs accelerators are widely deployed in safety-critical systems, their vulnerability to fault is not well explored. In this p
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית