본 논문은 차세대 비휘발성 메모리(NVM) 및 인-메모리 컴퓨팅에 유망한 후보인 저항성 랜덤 액세스 메모리(RRAM)의 회로 및 시스템 수준 성능 분석에 필수적인 콤팩트 모델의 피팅 파라미터를 자동으로 추출하는 프레임워크를 제시한다. 기존의 RRAM 콤팩트 모델은 I-V 특성을 재현하기 위해 많은 피팅 파라미터에 의존하며, 이 파라미터들은 측정 가능한 수량과 직접적인 관련이 없어 수동 조정을 필요로 해 시간 소모적이고, 다양한 장치에 대한 적응성을 제한한다. 제안된 프레임워크는 컨볼루션 신경망(CNN)을 사용하여 초기 파라미터 추정을 생성하고, 이를 세 가지 휴리스틱 최적화 블록을 통해 정제하여 오류를 최소화한다.
