面向人工智能的嵌入式储存器及存内计算电路设计

发布时间:2024-05-24 22:53
  随着人工智能应用技术的快速发展,中央处理器和存储电路之间大量的数据传输被公认为目前传统的冯诺依曼计算机体系架构中最大的瓶颈。深度神经网络作为目前在人工智能领域中应用于图像识别的最成功的算法之一,它需要对输入数据和权重数据做大量的乘法和加法运算(Multiplication and Accumulation,MAC)。存内计算(Computing-in-Memory,CIM)电路不仅可以支持存储器电路所具有的一般读写操作,而且可以执行多种运算操作,因而可以大大减少数据的搬移量,从而进一步提高系统的能耗效率。新型存储器及存内计算电路在高能效人工智能处理器、物联网终端设备、智能家居和智慧城市系统中有着广泛的应用前景,值得不断地深入研究。本文首先就存内计算电路的发展由来和典型架构进行了梳理分析,主要包含存储器电路的分类和一般读写操作,冯诺依曼架构的瓶颈分析,深度神经网络算法的概述,以及早期存内计算研究工作的优缺点。然后本文针对高能效存内计算电路设计中的挑战,提出了基于分裂式字线6T静态随机存储单元(dual split control,DSC6T)和双生8T静态随机存储单元(Twin 8T S...

【文章页数】:118 页

【学位级别】:博士

【部分图文】:

图1-1基于传统冯诺依曼架构的神经网络加速器设计

图1-1基于传统冯诺依曼架构的神经网络加速器设计

电子科技大学博士学位论文2的降低和由于工艺参数变化所带来的非线性,运算误差等问题。虽然这一架构尚未完全成熟,但是其在能耗效率和面积开销上所具有的市场应用前景受到了来自工业界和学术界广泛的关注。其中工业界的代表案例有台积电提出的7nmSRAM-CIM[61]和IBM提出的基于相变存....


图1-2基于存算一体架构的神经网络加速器设计

图1-2基于存算一体架构的神经网络加速器设计

电子科技大学博士学位论文2的降低和由于工艺参数变化所带来的非线性,运算误差等问题。虽然这一架构尚未完全成熟,但是其在能耗效率和面积开销上所具有的市场应用前景受到了来自工业界和学术界广泛的关注。其中工业界的代表案例有台积电提出的7nmSRAM-CIM[61]和IBM提出的基于相变存....


图2-1新型存储器金字塔架构

图2-1新型存储器金字塔架构

电子科技大学博士学位论文6第二章存内计算电路设计基础本章节主要介绍了存内计算电路所涉及到的基本理论,工作原理和指标,主要包括:1.存储器电路的新型金字塔架构,2.一般存储器电路的两种基本操作:存储和读写操作。3.目前深度神经网络的基本操作和传统冯诺依曼架构的主要瓶颈。4.存内计算....


图2-26TSRAM单元的基本电路图

图2-26TSRAM单元的基本电路图

第二章存内计算电路设计基础9工业级和消费者级电子产品中都十分常见。NOR-type的FlashMemory(NOR-Flash)对PVT的变化相较不敏感,因而主要应用在微控制单元(MicroControlUnit,MCU)设计中。特别地在车载系统的应用中,微控制单元需要在高温下仍....



本文编号:3981341

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xxkjbs/3981341.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户66501***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com