Clo-HDnn：一种 4.66 TFLOPS/W 和 3.78 TOPS/W 持续于设备上的学习加速器
硬件体系结构
2025-07-25 v1 机器学习
摘要
Clo-HDnn 是一种面向新兴持续学习（CL）任务的 on-device learning（ODL）加速器。Clo-HDnn 集成了高维计算（HDC）以及低成本 Kronecker HD 编码器和权重聚类特征提取（WCFE）以优化准确率和效率。Clo-HDnn 采用无梯度 CL 高效更新和存储所学知识的形式为类别 hypervector。其双模式运算使能够为更简单的数据集绕过高成本特征提取，而渐进搜索通过仅对编码和比较部分查询 hypervector 来降低最高 61% 的复杂度。实现 4.66 TFLOPS/W（FE）和 3.78 TOPS/W（分类器），Clo-HDnn 相较于 SOTA ODL 加速器实现能源效率提升 7.77 倍和 4.85 倍。
引用
@article{arxiv.2507.17953,
title = {Clo-HDnn: A 4.66 TFLOPS/W and 3.78 TOPS/W Continual On-Device Learning Accelerator with Energy-efficient Hyperdimensional Computing via Progressive Search},
author = {Chang Eun Song and Weihong Xu and Keming Fan and Soumil Jain and Gopabandhu Hota and Haichao Yang and Leo Liu and Kerem Akarvardar and Meng-Fan Chang and Carlos H. Diaz and Gert Cauwenberghs and Tajana Rosing and Mingu Kang},
journal= {arXiv preprint arXiv:2507.17953},
year = {2025}
}
备注
Published in 2025 Symposium on VLSI Technology and Circuits (VLSI Technology and Circuits), Kyoto, Japan, 2025