.png){kind=icon}
返回
A Memristor-Based In-Memory Computing System-on-Chip with Efficient Depthwise Convolution
.png){kind=icon}
OA
AI
DOI：10.1002/aisy.202501225.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于忆阻器交叉阵列的内存储算（IMC）为通过在内存中直接执行模拟计算来加速神经网络提供了一种有前景的方法，从而减少了数据移动并提高了能效。尽管先前的工作主要关注密集神经网络运算，但深度卷积（DWC）——轻量级模型（如MobileNets）中的关键运算——因其有限的跨通道数据重用和不规则访问模式而面临独特挑战。本研究提出了一种面向高效DWC加速的忆阻器专用IMC架构。我们的设计采用Z字形选择线拓扑结构，在显著提升内存利用率的同时，相比传统1T1R交叉阵列保持了密集运算的吞吐量和能效。我们实现了一个采用所提架构的片上系统（SoC）并实验验证了其性能。该SoC采用65 nm互补金属氧化物半导体工艺制造，在100 MHz下实测能效为21.3 TOPS/W，并将深度层的每阵列权重利用率提升至约100%。在视觉唤醒词数据集上端到端部署定制MobileNetV1，推理准确率达到80.36%，与量化至4位精度的相同软件模型相当。这是首次在基于忆阻器的IMC SoC上实现深度可分离卷积的硬件演示，证明了忆阻器基IMC为下一代边缘人工智能加速器的可行性。
Keyword:
architecture
depthwise convolution
in-memory computing
memristor
neural network
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.1
论文数:
2.0K
被引数:
8.4K
机构
引用论文
Deep learning software stacks for analogue in-memory computing-based accelerators基于模拟存内计算的加速器深度学习软件栈.png)
IF0
PREAI
分享收藏Neuro-Inspired Computing With Emerging Nonvolatile Memory具有新兴非易失性存储器的神经启发计算PROCEEDINGS OF THE IEEEOAAI
PROCEEDINGS OF THE IEEEIF25.9
OAAI分享收藏Recent Progress on Memristive Convolutional Neural Networks for Edge Intelligence用于边缘智能的忆阻卷积神经网络研究进展OAAI
OAAI分享收藏
Programming memristor arrays with arbitrarily high precision for analog computing用于模拟计算的任意高精度忆阻器阵列编程Science
ScienceIF0
PREAI
分享收藏
查看更多内容