一种用于人工神经网络到非易失性存储器交叉阵列优化映射的简单装箱算法

利用交叉阵列的神经形态计算已作为一种有前景的替代方案出现，用于提升机器学习的计算效率。先前工作主要关注利用交叉阵列执行基本数学运算。然而，在本文中，我们探索了将人工神经网络的层映射到芯片上以阵列块排列的物理交叉阵列的影响。我们开发了一种简化的映射算法，用于确定物理阵列块的数量（具有固定的最优阵列维度），并估计给定设计目标下这些阵列块占据的最小面积。该简化算法与求解等价装箱问题的传统二进制线性优化进行了比较。我们发现最优解不一定与最少阵列块数量相关；相反，它被证明是阵列块容量与其外围电路缩放特性之间的交互。此外，我们发现方阵并非最优映射的总是最佳选择，性能优化以总阵列块面积为代价。