組み込みAIを加速する、ルネサスの新Processing-in-Memory：低電力で高速な推論を実現する（2/4 ページ）

[村尾麻悠子，EE Times Japan]

3値のSRAM構造を新たに開発

　まず、3値（−1、0、1）のSRAM構造を新たに開発し、これをベースにPIMを構成した。メモリセルの基本構造としては、2本のビット線（ビット線および、ビット線バーとする）の間に2つのSRAMセルと1個のスイッチとなっている。

　3値だと、「ビット線に電流を流す」「ビット線バーに電流を流す」「どちらにも流さない」という状態を実現できる。1つのメモリセルで3値の情報を持てるので、重みデータの情報を増やすことができる。つまり、ニューラルネットワークの認識精度が高くなる。また、「どちらにも流さない」という状態を作れるので電流量が減り、低電力化を実現できる。さらに、3値のセルだと、重みデータを任意のビット数に拡張することが容易になるという。

3値のSRAM構造を新たに開発した。図の右側に示すように、3値だと「−3」「2」といった符号付きの多ビット情報を表現することが容易になる 出典：ルネサス（クリックで拡大）

コンパレーターとレプリカセルでA-Dコンバーターを不要に

　2つ目として、低消費電力で高精度にメモリデータを読み出す回路を開発した。一般的に、高精度なビット線電流の検出にはA-Dコンバーターを用いることが有効だが、この方法だと消費電力とチップ面積が増大してしまう。そこでルネサスは、コンパレーター（1ビットセンスアンプ）と、電流値を自由に制御できるレプリカセルを用いることで、A-Dコンバーターを使わずに高精度にメモリデータを読み出せる回路を開発したという。

コンパレーターとレプリカセルを用いて、メモリデータを高精度に読み出す 出典：ルネサス（クリックで拡大）

　上の図で、W₀から流れている電流（I_W）をコンパレーターで検知する場合、レプリカセル側から、逆のビット線に数段階の電流を複数のパターンで流し、どこでコンパレーターが反転するかをサーチすることで、I_Wを検出できる。また、図の右側の「動作フロー」に示すように、二分岐探索を行うことで、高速にサーチできるようにしたという。

　この他、活性化しているノード（ニューロン）はごく一部であることを利用して、非活性化ノードでは読み出し回路自体の動作を停止し、さらなる低電力化も図れるとする。