본 논문은 메모리 내 연산(CIM) 기반 심층 신경망(DNN) 구현에서 아날로그-디지털 변환기(ADC)의 오버헤드를 줄이기 위한 새로운 양자화 기법을 제안합니다. 기존의 저정밀 ADC는 정확도 저하를 야기하는 부분합 양자화 오차를 발생시키고, 낮은 비트 가중치 제약 또한 성능 저하의 원인이 됩니다. 본 논문에서는 가중치와 부분합 양자화의 입도를 열 단위로 정렬하여 이러한 문제를 해결합니다. 열 단위 독립적인 스케일링 인자를 사용하여 메모리 셀 변화에 대한 강건성을 확보하고, 두 단계 과정을 제거하여 학습 과정을 간소화합니다. 또한, 미세한 가중치와 부분합을 효율적으로 처리하기 위한 오픈소스 CIM 지향 합성곱 프레임워크를 제안하며, 새로운 타일링 방법과 그룹 합성곱을 통합했습니다. ResNet-20, ResNet-18을 이용한 실험 결과, 기존 최고 성능 연구 대비 정확도가 각각 0.99%, 2.69%, 1.01% 향상되었음을 보였습니다.
