向量符号计算的跨层设计：连接认知与类脑硬件加速
硬件体系结构
2025-11-24 v2
摘要
向量符号架构（VSA）因其简单高效的操作而被广泛应用于各种认知应用中。VSA 的广泛采用反过来又推动了众多旨在优化其性能的硬件解决方案的发展。尽管取得了这些进展，但在 VSA 背景下关于硬件与算法融合的全面且统一的论述仍然相对有限。本文旨在弥合理论软件层面探索与高效硬件架构及新兴技术结构开发之间的鸿沟，为来自任何一方的研究人员提供协同设计方面的见解。首先，我们介绍向量符号计算的原理，包括其核心数学运算和学习范式。其次，我们深入讨论 VSA 的硬件技术，分析模拟、混合信号和数字电路设计风格。我们通过对 VSA 硬件实现的性能特征和权衡进行详细分析来比较它们，从而为开发任意的 VSA 公式提取设计指南。第三，我们讨论一种 VSA 跨层设计方法，该方法识别跨层协同作用，并探索 VSA 软硬件协同设计的关键要素。最后，作为该方法的一个具体演示，我们提出了首个存内计算分层认知硬件系统，展示了这种协同设计方法的效率、灵活性和可扩展性。文章最后讨论了未来探索中开放的研究挑战。
引用
@article{arxiv.2508.14245,
title = {Cross-Layer Design of Vector-Symbolic Computing: Bridging Cognition and Brain-Inspired Hardware Acceleration},
author = {Shuting Du and Mohamed Ibrahim and Zishen Wan and Luqi Zheng and Boheng Zhao and Zhenkun Fan and Che-Kai Liu and Tushar Krishna and Arijit Raychowdhury and Haitong Li},
journal= {arXiv preprint arXiv:2508.14245},
year = {2025}
}