一种全数字 8.6 nJ/帧 65 纳米 Tsetlin 机器图像分类加速器

我们提出了一款基于 Tsetlin 机器（TM）原理的全数字可编程机器学习加速器芯片，用于图像分类。TM 是一种新兴的机器学习算法，建立在命题逻辑之上，利用称为子句的子模式识别表达式。该加速器实现了带有卷积的合并版 TM，并对 28$\times$28 像素的二值化图像进行 10 类分类。在高度并行的架构中，使用了 128 个子句的配置。通过将所有子句权重和 Tsetlin 自动机（TA）动作信号保存在寄存器中，实现了快速的子句评估。该芯片采用 65 纳米低漏电 CMOS 技术实现，有效面积为 2.7 mm$^2$。在 27.8 MHz 的时钟频率下，该加速器每秒可实现 60.3k 次分类，每次分类消耗 8.6 nJ。这展示了 TM 的能效，这也是开发此芯片的主要动机。对单张图像进行分类的延迟为 25.4 $\mu$s，其中包含了系统时序开销。该加速器在 MNIST、Fashion-MNIST 和 Kuzushiji-MNIST 数据集上分别达到了 97.42%、84.54% 和 82.55% 的测试准确率，与 TM 软件模型相匹配。