返回
DepAsync: An Asynchronous SNN Accelerator Based on Core-Dependency
DOI:10.1109/TC.2025.3625156.png)
摘要
En 中文
脉冲神经网络(SNNs)被广泛应用于类脑计算和神经科学研究中。已构建了几种多核加速器以提高SNNs的运行速度和能效。然而,当前加速器通常需要在SNNs的每个时间步之后在各核心之间进行显式同步,这给整体效率带来了挑战。本文提出DepAsync,一种异步架构,通过消除核心间同步,实现了快速且能效高的SNN推理,并具有出色的可扩展性。其核心思想是利用在编译时预确定的神经形态核心之间的依赖关系。我们为每个核心设计了DepAsync调度器,以跟踪其依赖项的运行状态,并控制核心在不等待其他核心完成任务的情况下安全地进入下一个时间步。这种方法避免了全局同步的必要性,使DepAsync能够最小化核心等待时间,以应对SNN工作负载中固有的核心和时间不平衡问题。使用五种SNN工作负载的全面评估表明,与最先进的同步架构相比,DepAsync实现了2.47倍的速度提升和1.55倍的能效提升。
Keyword:
Accelerators
spiking neural networks
neuromorphic computing
期刊
IF:
3.8
论文数:
5.3K
被引数:
9.8K
机构
引用论文
NeuroSim: A Circuit-Level Macro Model for Benchmarking Neuro-Inspired Architectures in Online LearningNeuroSim: 在线学习中神经启发架构基准测试的电路级宏模型
Converting Static Image Datasets to Spiking Neuromorphic Datasets Using Saccades使用扫视将静态图像数据集转换为尖峰神经形态数据集
Open-loop analog programmable electrochemical memory array开环模拟可编程电化学存储器阵列
NATURE COMMUNICATIONS
IF15.7

