比特级松耦合存内计算宏

暂存需求降幅显著

该宏单元通过比特级松耦合计算方案，将临时数据的位宽降至1比特，显著节省寄存器资源，并结合零检测与提前终止方案提升能效与计算精度。

Junchuan, Gu · Yang, Chen · Wenwei, Wang · Kumar, Akash · Ullah, Salim · 黄科杰 · 沈海斌

Microelectronics Journal 2025

参数信息

计算功耗比

37.01 TOPS/W

功耗

3.54 mW

AlexNet精度损失

0.29 %

ResNet20精度损失

0.52 %

技术优势

寄存器需求大降

采用比特级松耦合计算方案，将临时数据的位宽降到1比特，从而大幅节省寄存器资源。

精度损失小

相比于8-bit量化模型，在AlexNet和ResNet20（CIFAR-10数据集）上分别仅产生0.29%和0.52%的精度损失。

能效比高

在40-nm工艺下，该存内计算宏的功耗为3.54 mW，计算功耗比达到37.01 TOPS/W。

应用场景

• AI边缘计算芯片：将AI推理的暂存和延迟降到最低，适合边缘端部署。
• 低功耗物联网设备：功耗仅3.54 mW，让电池供电的IoT设备也能执行神经网络。
• 智能传感器：在传感器端直接处理数据，减少上传带宽和延迟。
• 神经网络加速器：提供37.01 TOPS/W高能效比，适合大规模并行推理。