An Accuracy-and-Efficiency-Configurable Blade-Type Approximate Multiplier With Genetic Algorithm-Based Automatic Training Framework

Yuxuan Du

doi:10.1109/tcsi.2026.3678032

An Accuracy-and-Efficiency-Configurable Blade-Type Approximate Multiplier With Genetic Algorithm-Based Automatic Training Framework

2026-04-01

0

PRE

AI

DOI：10.1109/tcsi.2026.3678032

原文链接

原文求助

摘要

En 中文

在人工智能和图像处理芯片中，算术单元的功耗已成为一个关键问题，促使采用近似技术以提高效率。然而，现有研究在系统且自动地探索精度约束下的效率边界方面仍面临挑战。为解决这一问题，我们提出了一种可配置的刀片型近似乘法器，并基于遗传算法设计了自动化训练框架。首先，提出了一种刀片型架构，用于粗略精度和效率控制，其中掩码（Masks）类似于刀片，将部分积阵列切割成多个区域，进行局部截断和补偿。其次，采用基于数据关联性和误差分布的近似压缩器设计方法，在每个区域内实现可配置的补偿，以进行精细控制。然后，设计了一种基于遗传算法的自动化框架，用于训练乘法器中所有掩码的专用压缩器，实现跨区域误差补偿，并允许在不同约束和应用下自动收敛至最优的效率-精度权衡。在28nm CMOS工艺下仿真，8位和16位刀片型乘法器相比Design-Compiler基线，功耗节省最高可达31.0%和37.7%，PDP（功耗-延迟积）提升39.8%和51.6%，而归一化均方误差距离（NMED）仅为13.98×10⁻⁴和14.08×10⁻⁶。当应用于图像处理时，设计在平滑操作中可实现最高65.24 dB的PSNR（峰值信噪比）和60.67%的功耗增益，在锐化操作中实现57.94 dB的PSNR和62.98%的功耗降低。

Keyword:

Circuits

Circuits and systems

Very large scale integration

Integrated circuits

Field programmable gate arrays

Application specific integrated circuits

System-on-chip

Circuit synthesis

Adders

CMOS process

Blade-type multiplier

mask

genetic algorithm

automatic design

approximate compressor training

An Accuracy-and-Efficiency-Configurable Blade-Type Approximate Multiplier With Genetic Algorithm-Based Automatic Training Framework

摘要

期刊

机构

引用论文