22nm IoT终端节点上常开、674μW@4GOP/s、具有激进SRAM电压缩放的容错二值神经网络
硬件体系结构
2020-07-20 v1 机器学习
信号处理
摘要
二值神经网络（BNNs）已被证明对随机比特级噪声具有鲁棒性，使得激进电压缩放作为逻辑与SRAM的节能技术颇具吸引力。在本工作中，我们介绍了首个完全可编程的IoT终端节点系统级芯片（SoC），能够在超低电压下执行软件定义、硬件加速的BNN。我们的SoC利用混合存储方案，其中易出错SRAM由可靠的标准单元存储器补充，以在激进电压缩放下安全存储关键数据。在22nm FDX技术原型上，我们证明逻辑与SRAM电压均可降至0.5V而对CIFAR-10数据集训练的BNN无任何精度损失，相较标称条件能效提升2.2倍。此外，我们展示供电电压可降至0.42V（标称的50%）同时保持超过99%的标称精度（误码率约1/1000）。在此工作点，我们的原型通过每pJ计算多达13次二值操作实现4Gop/s（CIFAR-10数据集上15.4次推理/秒），达到22.8推理/秒/mW，同时峰值功耗不超过674μW——低至足以在超低功耗智能摄像头、长寿命环境传感器与昆虫尺寸微型无人机中实现常开操作。
引用
@article{arxiv.2007.08952,
title = {Always-On 674uW @ 4GOP/s Error Resilient Binary Neural Networks with Aggressive SRAM Voltage Scaling on a 22nm IoT End-Node},
author = {Alfio Di Mauro and Francesco Conti and Pasquale Davide Schiavone and Davide Rossi and Luca Benini},
journal= {arXiv preprint arXiv:2007.08952},
year = {2020}
}
备注
Submitted to ISICAS2020 journal special issue