一种用于多层神经网络极低功耗 VLSI 实现的时域模拟加权和计算模型
新兴技术
2018-10-17 v1 硬件体系结构
摘要
基于积分发放型脉冲神经元模型，提出了一种时域模拟加权和计算模型。该计算模型应用于多层前馈网络，其中具有正权和负权的加权和在各层中分别执行，然后求和结果不经减法运算直接送入下一层。我们还提出了超大规模集成（VLSI）电路来实现所提模型。与传统模拟电压或电流模式电路不同，时域模拟电路利用电容充放电过程中的瞬态操作。由于电路可在无运算放大器的情况下设计，因此能以极低功耗运行。然而，它们必须使用量级为 G 的极高阻器件。我们设计了一款概念验证（PoC）CMOS VLSI 芯片以验证具有相同权重的加权和操作，并使用 250 nm 制造工艺通过版图后电路仿真进行了评估。高阻操作通过 MOS 晶体管的亚阈值工作区实现。仿真结果显示，加权和计算的能效为 290~TOPS/W，比最先进数字 AI 处理器高一个数量级以上，尽管 PoC 芯片中互连最小宽度是此类数字处理器的数倍。若采用最先进 VLSI 技术实现所提模型，能效有望超过 1,000~TOPS/W。对于实际应用，亟需开发铁电栅 FET 等新兴模拟存储器件。
引用
@article{arxiv.1810.06819,
title = {A Time-domain Analog Weighted-sum Calculation Model for Extremely Low Power VLSI Implementation of Multi-layer Neural Networks},
author = {Quan Wang and Hakaru Tamukoh and Takashi Morie},
journal= {arXiv preprint arXiv:1810.06819},
year = {2018}
}