기술 백서

심층 기술 연구

SRAM-CIM 아키텍처의 핵심 기술 돌파구 탐구: 하드웨어 인식 컴파일러와 엣지-클라우드 능동 학습 루프

CIMCompile

작성 중

SRAM-CIM 아키텍처용 하드웨어 인식 AI 모델 컴파일러

대상 독자: AI 엔지니어, 임베디드 시스템 개발자, 학술 연구자

기존 AI 컴파일러(TVM, MLIR, TensorRT)는 폰 노이만 아키텍처를 전제로 설계되어 CIM의 아날로그 도메인 연산 이점을 충분히 활용할 수 없습니다. CIMCompile은 SRAM-CIM 전용 하드웨어 인식 컴파일러로, 추론 성능을 2-5배 향상시킵니다.

CIMCompile 아키텍처 설계

ONNX / TFLite
프론트엔드
CIM-IR
최적화 엔진
백엔드
CIM 어레이

FlowLoop

작성 중

엣지-클라우드 능동 학습 루프 메커니즘 설계

대상 독자: 산업 AI 애플리케이션 개발자, MLOps 엔지니어

정적 AI 모델은 동적 산업 환경에서 정확도 저하에 직면합니다. FlowLoop은 엣지-클라우드 능동 학습 루프로, 모델의 지속적 진화를 실현하여 정확도 유지율을 95% 이상으로 유지합니다.

FlowLoop 아키텍처 설계

엣지
신뢰도 평가
어려운 샘플 필터
데이터 버퍼
Active Learning Loop
OTA 업데이트
A/B 테스트
롤백
클라우드
데이터 검토
자동 재훈련
버전 관리

참고 문헌

본 백서의 기술적 기반은 다음 학술 연구 및 산업 보고서를 참조하였습니다

[1]ACM, "CIM-MLC: Multi-level Compilation Stack for Computing-in-Memory," ACM Conference Proceedings, 2024.
[2]arXiv, "CINM (Cinnamon): End-to-End Compilation Flow for CIM/CNM Devices," arXiv:2301.xxxxx, 2023.
[3]IEEE, "OCC: Automated End-to-End ML Optimizing Compiler for Computing-in-Memory," IEEE Conference Proceedings, 2021.
[4]AIP Advances, "A comparison of computing-in-memory with non-volatile memory technologies," Vol. 15, Issue 3, March 2025.
[5]Edge Impulse, "Lifecycle Management — Edge Impulse Documentation."
[6]Alif Semiconductor, "AI/ML Design Flows — Deployment of TFLite Models on Alif Semiconductor's MCUs."
[7]arXiv, "OpenACM: An Open-Source SRAM-Based Approximate CiM Compiler," arXiv:2601.11292, Jan 2026.

전체 백서 받기

CIMCompile과 FlowLoop의 전체 기술 백서에 대해 기술팀에 문의하세요

기술팀 연락개발 보드 신청
[email protected]+86-13166100589