脉冲神经网络加速器

硬件资源减半

以随机计算重构突触与神经元运算，在不牺牲脉冲行为的前提下大幅降低硬件复杂度。

Liu, Junxiu · Wang, Yanhu · 罗玉玲 · 张顺生 · Jiang, Dong · Hua, Yifan · Qin, Sheng · Yang, Su

Neural Processing Letters 2023

参数信息

资源消耗降低率

58.0 %

寄存器降低率

65.6 %

最大归一化均方根误差

0.0097

技术优势

资源消耗砍半

随机计算用简单的逻辑门代替复杂的算术单元，从而将总资源占用降低 58.0%，寄存器减少至少 65.6%。

精度几乎无损

最大归一化均方根误差仅为 0.0097，表明所提出的硬件能保持原始 SNN 的行为。

应用场景

• 神经形态芯片：用更少的片上资源实现大规模脉冲神经网络，提高集成度。
• 边缘智能硬件：节省的硬件资源可降低边缘设备的功耗与面积。
• 类脑计算：保持脉冲神经网络行为的同时简化运算单元，加速类脑系统部署。
• 机器人实时传感：低资源消耗的硬件适合嵌入机器人平台进行实时脉冲处理。