NeuCASL：从神经形态引擎的逻辑设计到系统仿真
新兴技术
2022-08-09 v1 人工智能
硬件体系结构
摘要
随着摩尔定律趋于饱和、登纳德缩放遭遇瓶颈，传统的冯·诺依曼系统无法为 CNN 等计算密集型算法提供所需的 GFlops/watt 能效。非常规计算方法的近期趋势让我们看到了为这类算法设计高能效计算系统的希望。神经形态计算凭借其受大脑启发的电路、对新兴技术的使用以及低功耗特性，是一种有前景的此类方法。研究人员使用忆阻器、硅光子学、FinFET 和碳纳米管等多种新技术来演示神经形态计算机。然而，目前尚未出现一种灵活的 CAD 工具，能够从神经形态逻辑设计出发并向上支持到体系结构仿真，以支撑这一有前景范式的兴起。在本项目中，我们旨在构建 NeuCASL，一个基于 Python 的开源全系统 CAD 框架，用于神经形态逻辑设计、电路仿真以及系统性能与可靠性估计。据我们所知，这是同类中的首个。
引用
@article{arxiv.2208.03500,
title = {NeuCASL: From Logic Design to System Simulation of Neuromorphic Engines},
author = {Dharanidhar Dang and Amitash Nanda and Bill Lin and Debashis Sahoo},
journal= {arXiv preprint arXiv:2208.03500},
year = {2022}
}
备注
2 pages, 2 figures, Presented at FMCAD 2021