본 논문은 자원이 제한된 임베디드 시스템에서 심층 신경망의 데이터 처리 문제를 해결하기 위해, 고집적도의 비휘발성 메모리 기술인 Racetrack 메모리를 이용한 효율적인 In-memory computing 기반 CNN 가속기를 제안한다. Racetrack 메모리 기반의 in-memory 연산 회로를 설계하고, 메모리 뱅크 면적을 줄이면서 에너지 효율과 성능을 향상시키는 모델-시스템 공동 설계(co-design) 전략을 통해 CNN 추론의 효율성을 높였다. 특히, multiply-and-accumulate 연산에 적합한 in-memory 연산 셀을 설계하고, Racetrack 메모리 기반 시스템과 CNN 모델 아키텍처의 설계 공간을 탐색하여 성능과 정확도를 개선하는 데 중점을 두었다.
