Key points are not available for this paper at this time.
चिकित्सा उद्योग छवि प्रसंस्करण के लिए लगातार संयोजनात्मक तंत्रिका नेटवर्क (CNNs) का उपयोग कर रहा है। आजकल, वॉन न्यूमैन आर्किटेक्चर पर आधारित कंप्यूटिंग सुविधाएं CNNs को तेज करने के लिए समर्पित हैं, फिर भी प्रदर्शन और ऊर्जा दक्षता में तेजी से एक रुकावट का सामना कर रही हैं। यादृच्छिक एक्सेस मेमोरी (ReRAM) पर आधारित कंप्यूटिंग-इन-मेमोरी (CIM) आर्किटेक्चर समस्याओं पर काबू पाने के लिए एक विधि के रूप में उभरा है। यह काम ऊर्जा-कुशल चार्ज गणना और कैपेसिटिव कप्लिंग का उपयोग करते हुए चिकित्सा संगणकीय विभाजन में CNNs की गति के लिए एक चार्ज-डोमेन एक-ट्रांजिस्टर-एक-रेसिस्टर-एक-क्षेत्र (1T1R1C) CIM मैक्रो का प्रस्ताव करता है। गुणन और संचय (MAC) को एक सेल में चार्ज वितरण और प्लेट लाइन पर विभिन्न सेल के बीच कैपेसिटिव कप्लिंग द्वारा वास्तविकता में लाया जाता है। कॉन्फ़िगर करने योग्य आउटपुट रिज़ॉल्यूशन ऑन-चिप ReRAM-आधारित चार्ज इंटीग्रल द्वारा प्राप्त किया जाता है, जो ऊर्जा कुशल है और आउटपुट रिज़ॉल्यूशन बदलने के लिए लचीला है। 180nm तकनीक में मूल्यांकन के द्वारा, प्रस्तावित मैक्रो एक 64×64 एरे के साथ 142.2 GOPS/W की चरम ऊर्जा दक्षता प्राप्त करता है, जो पिछले काम से ~1.3X अधिक है। UNet का इनफेरेन्स डाइस गुणांक 89.7% तक पहुँचता है।
सू एट अल। (मंगलवार,) ने इस सवाल का अध्ययन किया।