利用硬件非理想特性构建在ACIM上的鲁棒低精度集成系统
《IEEE Transactions on Very Large Scale Integration (VLSI) Systems》:Exploiting Hardware Nonidealities for Robust Low-Precision Ensembles on ACIM
【字体:
大
中
小
】
时间:2026年03月02日
来源:IEEE Transactions on Very Large Scale Integration (VLSI) Systems 3.1
编辑推荐:
器件变异在模拟计算内存(ACIM)系统中的利用策略。研究通过在ACIM芯片上部署两个4位深度神经网络副本,结合软投票机制提升预测可靠性。实验表明,当器件变异系数σ≥0.10时,4位集合模型性能超越8位单模型基准,最高提升1.28pp。硬件评估显示,采用SRAM架构的ACIM系统,双副本方案面积缩减9%,但延迟增加30%,能耗上升2.1%。研究证实该机制在不同存储器技术(RRAM/FeFET)下的有效性,揭示了器件变异与计算性能的动态平衡关系。
摘要:
设备差异是模拟计算内存(ACIM)系统面临的一个根本性挑战。我们没有将其视为错误,而是将其战略性地利用为计算多样性的来源。我们通过在同一ACIM芯片上编程两个低精度深度神经网络(DNN)副本来利用这种由自然过程引起的差异。然后,通过一种软投票机制来汇总它们的输出,以获得更可靠的预测结果。为了量化系统级别的权衡,我们扩展了NeuroSim V1.4框架,以同时评估准确性、面积、延迟和能耗。在VGG-8/CIFAR-10数据集上,当导电率变化从0.05增加到0.25时,4位模型的集成精度相对于4位单一模型(SM)提高了0.46个百分点(pp)。值得注意的是,在σ为0.05时,集成模型的精度甚至超过了无差异基线0.303个百分点。与8位SM基线相比,当σ≥0.10时,4位模型的集成精度可以与其相当或更高,在σ为0.25时,精度提高了1.28个百分点。使用基于SRAM的ACIM架构进行的硬件评估表明,两个副本的集成模型芯片面积比8位基线小9.0%,但延迟增加了30%,能耗增加了2.1%。我们进一步观察到,在RRAM和FeFET基ACIM中,其准确性与其非理想特性之间存在一致的权衡关系。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号