NIFA는 딥러닝 추론 효율성을 높이기 위해 ReRAM 기반의 메모리 컴퓨팅(IMC) 블록을 FPGA에 통합하는 새로운 아키텍처입니다. 기존 IMC는 정적 가중치 연산만 지원했지만, NIFA는 ACAM을 활용해 비선형 연산을 수행하고 DIMM 연산을 지원합니다. ADC를 제거하여 면적과 전력 소비를 줄이고, CNN과 Transformer 벤치마크에서 에너지 효율을 최대 40배, 면적 효율을 최대 4.1배 향상시켰습니다.
ACAM을 활용하여 DIMM 연산을 수행함으로써, NIFA는 어텐션 연산에도 IMC를 적용할 수 있게 되었으며, 긴 입력 시퀀스에서도 Transformer 기반 워크로드에 대한 성능 향상을 유지합니다. FPGA 설계 공간 탐색을 통해 최적의 크로스바 크기를 결정하고, FPGA 면적, 유연성, DL 성능을 균형 있게 고려했습니다.
ADC를 제거하여 기존 IMC의 단점을 극복하고, 에너지 효율과 면적 효율을 크게 향상시켜 FPGA 딥러닝 추론 효율성을 높였습니다. 특히 Transformer 기반 워크로드에서 뛰어난 성능을 보여줍니다.
NIFA는 도메인 특화 FPGA 설계 발전에 기여하며, CNN과 Transformer 기반 벤치마크에서 각각 최대 1.9배, 2.5배의 면적 효율을 달성했습니다.