面向RRAM基于计算-存储加速器的混合精度训练与编译
机器学习
2026-03-20 v3 新兴技术
摘要
计算-存储（CIM）加速器是加速机器学习工作负载的有前景的解决方案，由于它们直接在存储器中的交叉栏阵列上执行矩阵向量乘法（MVM）。尽管交叉栏输入和单元的位宽非常有限，但大多数CIM编译器不支持低于8位的量化。结果是，单个MVM需要多个计算周期，权重无法有效存储在单个交叉栏单元中。为此，我们提出一种面向CIM架构的混合精度训练和编译框架。最大挑战是大规模的搜索空间，使得寻找合适的量化参数变得困难。因此，我们引入基于强化学习的策略，以找到在延迟和准确率之间进行权衡的合适量化配置。在最佳情况下，我们的方法相对于现有最先进解决方案实现了最高可达2.48倍的加速，并仅损失0.086%的准确率。
引用
@article{arxiv.2601.21737,
title = {Mixed-Precision Training and Compilation for RRAM-based Computing-in-Memory Accelerators},
author = {Rebecca Pelke and Joel Klein and Jose Cubero-Cascante and Nils Bosbach and Jan Moritz Joseph and Rainer Leupers},
journal= {arXiv preprint arXiv:2601.21737},
year = {2026}
}
备注
PREPRINT - Accepted for publication at the Design, Automation & Test in Europe Conference & Exhibition (DATE), April 20-22, 2026, in Verona, Italy V2 - fixed typos