.png){kind=icon}
返回
CAMPRO: A CAM-Based Processing-in-Memory Processor for Hyperdimensional Computing
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSI.2025.3634760.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了CAMPRO，一种基于内容寻址存储器（CAM）的内存内处理（PIM）处理器，专门定制用于高维计算（HDC）。CAMPRO采用6T分字线（SWL）单元结构构建其CAM，实现对超宽超向量（HV）存储的高效列搜索，并优化了适用于HDC操作的关联PIM架构，显著提升了能效。HDC的四种关键算子——绑定、聚合、置换和相似度——均映射到所提出的架构中。CAMPRO通过近似聚合增强操作并行性，并采用分层置换方法缓解CAM基PIM架构中灵活移位支持的不足。精细化的流水线操作提高了处理效率，并通过动态回收内存空间支持更大规模模型。两阶段位剪枝（TPBP）策略在两个计算阶段对类别HV中的冗余位进行剪枝，消除不必要计算，使操作次数减少73.6%，能耗降低65.2%，同时保持查询精度。在22 nm CMOS工艺下仿真，CAMPRO占用1.13 mm2面积，200 MHz时功耗为0.99 mW。CAMPRO在MUTAG、CIFAR10、MNIST、语言分类和EMG手势识别五个数据集上，采用不同编码方案，展现出强大的通用性和可扩展性。它从小规模到大规模数据集均实现了卓越的能效和低延迟。在语言分类中，其推理能耗相比同类工作降低了99.2%。对于EMG手势识别，训练和推理能效分别提升了2.6倍和6.7倍，推理延迟降低了73倍。在MNIST数据集上，其能效和延迟相比先前工作分别提升了11.3倍和1.6倍，成为高效的物联网人工智能（AIoT）解决方案。
Keyword:
Hyperdimensional computing
content addressable memory
associative processing
non-von Neumann arhitecture
processing-in-memory
期刊
I
IF:
0
论文数:
268
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏Hyperdimensional Computing: An Introduction to Computing in Distributed Representation with High-Dimensional Random Vectors超维计算: 高维随机向量分布式表示计算简介
PREAI
分享收藏分享收藏
分享收藏
查看更多内容