マンハッタン距離マッピング（MDM）は、メモリスティブなビットスライスコンピュートインメモリ（CIM）交差点用の、ポストトレーニングの深層神経ネットワーク（DNN）重みマッピング手法です。この手法は、寄生抵抗（PR）による非理想性を低減します。PRは、DNNマトリクスを小さな交差点タイルにマッピングすることで、交差点の効率を制限し、CIMベースのスピードアップを減少させます。MDMは、アクティブメモリスタの配置を最適化することでPRの影響を緩和します。低次元側からの活性化を利用し、マンハッタン距離に基づいて行を再配置することで、活性セルをPRの影響を受けにくい領域に移動させ、非理想性因子（NF）を低下させます。ImageNet-1kのDNNモデルに適用した結果、NFは最大46%改善され、アナログ歪み下での精度は平均で3.6%向上しました。MDMは、CIM DNNアクセラレーターのスケーリングに対する軽量で空間的に情報に基づいた手法を提供します。