REASON：面向可扩展神经符号智能的概率逻辑推理加速

神经符号AI系统整合神经感知与符号推理，以实现超越纯神经模型的数据高效性、可解释性和鲁棒性。尽管该组合范式在推理、规划和验证等领域显示出优异性能，但其部署仍面临符号和概率推理的严重低效问题。通过对代表性神经符号工作负载的系统性分析，我们识别出概率逻辑推理作为瓶颈，其特征为控制流不规则、算术密度低、内存访问不规则以及在CPU和GPU上的硬件利用率差。本文提出REASON，一套针对神经符号AI中的概率逻辑推理的集成加速框架。REASON引入一种统一的有向无环图表示，捕获符号和概率模型中的常见结构，同时结合自适应剪枝和正则化。在架构层面，REASON具备一种为不规则遍历、符号推理和概率聚合优化的可配置、树状处理单元。在系统层面，REASON通过可编程接口和多级流水线与GPU流式处理器紧密集成，高效编排组合执行。经过在六个神经符号工作负载上的评估，REASON在桌面和边缘GPU上实现了12-50倍的加速和310-681倍的能效提升。REASON实现了实时概率逻辑推理，端到端任务耗时0.8秒，仅需6 mm²面积和2.12 W功耗，证明了针对概率逻辑推理的定向加速对于实际可扩展的神经符号AI至关重要，并将REASON定位为下一代认知智能的基础系统架构。