评估 CGRA 中的架构权衡：Scratchpad 存储与异构性对计算密集型内核的影响
硬件体系结构
2026-06-25 v1
摘要
现代边缘计算应用，尤其是像 Vision Transformers (ViTs) 这样的高吞吐量流处理，在严格的功耗与面积约束下需要大规模的空间并行性与高效的数据移动。粗粒度可重构架构 提供了一个有前景的范式，以平衡性能、灵活性与能效。本文分析了两个关键 CGRA 设计选择的影响：处理单元异构性与本地数据重用支持。我们在两种不同配置下评估了基本计算内核（快速傅里叶变换 (FFT) 与通用矩阵乘法 (GEMM)）以及一个端到端的癫痫检测 Transformer 负载：一个基线同构架构与一个集成了专用功能单元与 Scratchpad 存储器 (SPM) 的异构演进版本。我们的评估表明，SPM 显著优化了数据移动，与无存储设计相比将内存流量减少了八倍。虽然异构架构在数据重排任务上实现了卓越的能效，但同构设计相对于最先进的 CGRA 将面积开销降低了 4.4 倍至 8.2 倍。此外，它维持了 700 MHz 的运行频率，在矩阵计算期间实现了比异构配置高达 5 倍的执行加速。最终，这项工作提供了一个架构路线图，用于根据边缘级负载的算术强度、性能目标与资源范围来选择 CGRA 架构。
引用
@article{arxiv.2606.27240,
title = {Evaluating Architectural Trade-offs in CGRAs: The Impact of Scratchpad Memory and Heterogeneity on Compute-Intensive Kernels},
author = {María José Belda and Lara Orlandic and Fernando Castro and Miguel Peón-Quirós and Katzalin Olcoz and David Atienza},
journal= {arXiv preprint arXiv:2606.27240},
year = {2026}
}
备注
Preprint submitted to IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. This version has not been peer reviewed