亚洲无精品一区二区在线观看-少妇无码一区二区三区免费-AAAAAA级裸体美女毛片-99桃花在线无码国产毛片视频-亚洲一区二区三区18-精品久久婷婷免费视频-在线观看免费欧美精品-久久国产丝袜高清视频-欧美熟妇极品在线看片

    當(dāng)前位置 >>  首頁 >> 綜合信息 >> 綜合新聞

綜合新聞

微電子所在二值化神經(jīng)網(wǎng)絡(luò)宏級存內(nèi)計(jì)算芯片設(shè)計(jì)領(lǐng)域取得進(jìn)展

稿件來源：重點(diǎn)實(shí)驗(yàn)室 尚大山、張康瑋 發(fā)布時(shí)間：2023-01-18

　　近年來，非易失性存內(nèi)計(jì)算（nvCIM）作為一種新興的體系架構(gòu)，為在資源有限的邊緣系統(tǒng)中處理數(shù)據(jù)密集型的人工智能（AI）任務(wù)提供了可能。基于阻變存儲器（RRAM）的存內(nèi)計(jì)算技術(shù)是實(shí)現(xiàn)nvCIM的有力競爭者。通過將神經(jīng)網(wǎng)絡(luò)中的權(quán)重矩陣部署到RRAM交叉陣列上，利用歐姆定律和基爾霍夫定律加速矩陣向量乘法計(jì)算，可顯著降低數(shù)據(jù)在計(jì)算和存儲單元之間的搬運(yùn)，從而增加系統(tǒng)的推理速度和能效。但現(xiàn)有的nvCIM架構(gòu)在匹配邊緣AI系統(tǒng)方面還存在一些挑戰(zhàn)：軟件方面，由于傳統(tǒng)深度學(xué)習(xí)算法所需的精度高，導(dǎo)致存儲和計(jì)算成本的提升；硬件方面，模數(shù)轉(zhuǎn)換器（ADC）和靈敏放大器（SA）等外圍電路的使用大幅增加了芯片的面積和功耗。

　　針對這些問題，微電子所微電子器件與集成技術(shù)重點(diǎn)實(shí)驗(yàn)室劉明院士團(tuán)隊(duì)開發(fā)了一款面向二值神經(jīng)網(wǎng)絡(luò)（BNN）的數(shù)字型RRAM宏級存內(nèi)計(jì)算芯片（3T2R-Macro）（圖1a）。通過使用分壓原理映射二值神經(jīng)網(wǎng)絡(luò)權(quán)重矩陣，利用反相器將乘加計(jì)算結(jié)果量化為穩(wěn)定的電壓輸出。該設(shè)計(jì)省去了外圍ADC或SA，有效減少了芯片面積、能耗和延遲，提高了對噪聲的魯棒性。團(tuán)隊(duì)還利用軟—硬件協(xié)同設(shè)計(jì)方法，通過調(diào)節(jié)反相器供電電壓，實(shí)現(xiàn)了3T2R-Macro片上二值卷積神經(jīng)網(wǎng)絡(luò)模型中批量歸一化（Batch Normalization）和激活函數(shù)（Activation）計(jì)算（圖1b）。該3T2R-Macro設(shè)計(jì)在CIFAR-10和MNIST數(shù)據(jù)集上分別實(shí)現(xiàn)了86.2%和95.6%的識別率（圖1c）。180 nm工藝節(jié)點(diǎn)仿真結(jié)果表明芯片最小計(jì)算延時(shí)為8 ns（圖1d），峰值能效為51.3 TOPS/W（圖1e）。相較于已報(bào)道的基于電流累積型模擬nvCIM設(shè)計(jì)，3T2R-Macro節(jié)省了10%的芯片面積和30%乘加計(jì)算能耗，提升了20%系統(tǒng)魯棒性。這一研究結(jié)果為在資源有限的邊緣系統(tǒng)部署AI任務(wù)提供了一種高效的解決方案。

　　該項(xiàng)目得到了科技部、國家自然科學(xué)基金委、中科院和香港大學(xué)的支持。成果近期發(fā)表在IEEE Transactions on Circuits, Systems II: Express Briefs（TCAS-II）期刊上（DOI: 10.1109/TCSII.2022.3233396），微電子所博士研究生李熠為文章的第一作者，香港大學(xué)王中銳博士和微電子所尚大山研究員為該文章的共同通訊作者。　　

　　圖1. （a） 3T2R-Macro 結(jié)構(gòu)、工作原理與電壓輸出結(jié)果；（b） 二值卷積神經(jīng)網(wǎng)絡(luò)片上批量歸一化和激活函數(shù)功能實(shí)現(xiàn)；（c）3T2R-Macro在MNIST和CIFAR-10數(shù)據(jù)集上識別率；（d）3T2R-Macro的操作延遲；（e）3T2R-Macro與已報(bào)道的電流累積型nvCIM設(shè)計(jì)的芯片功耗對比

　　論文信息：

　　https://doi.org/10.1109/TCSII.2022.3233396

　　An ADC-less RRAM-based Computing-in-Memory Macro with binary CNN for Efficient Edge AI

　　Li Yi, Chen Jia, Wang Linfang, Zhang Woyu, Guo Zeyu, Wang Jun, Han Yongkang, Li Zhi, Wang Fei, Dou Chunmeng, Xu Xiaoxin, Yang Jianguo, Zhongrui Wang,* Dashan Shang*

　　IEEE Transactions on Circuits, Systems II: Express Briefs （TCAS-II）（2023）

　　DOI: 10.1109/TCSII.2022.3233396

附件：