TRAM：面向低功耗AI加速器的近似乘法器结构训练
机器学习
2026-05-12 v1 人工智能
硬件体系结构
摘要
降低AI加速器的功耗日益重要。近似计算可以在保持精度损失小的同时降低功耗。由于乘法器是AI模型中耗电组件，本文聚焦于合成低功耗近似乘法器（Axm）。与先前方法分别设计Axm并不考虑AI模型训练不同，本文提出TRAM，联合优化Axm结构和AI模型参数以降低功耗。实验表明，与最新SOTA Axm相比，TRAM在CIFAR-10上的CNN实现最高达25.05%的Axm功耗降低，在ImageNet上的视觉Transformer功耗降低最高达27.09%。
引用
@article{arxiv.2605.08231,
title = {TRAM: Training Approximate Multiplier Structures for Low-Power AI Accelerators},
author = {Chang Meng and Hanyu Wang and Yuyang Ye and Mingfei Yu and Wayne Burleson and Giovanni De Micheli},
journal= {arXiv preprint arXiv:2605.08231},
year = {2026}
}