| Title | 基于开关电容矩阵的高能效神经网络加速器 |
| Other Titles | High energy efficiency convolutional neural network accelerator based on switched-capacitor matrix |
| Authors | 李大为 苗榕 韩晓 燕博南 |
| Affiliation | 中南民族大学智能无线通信湖北省重点实验室 重庆大学微电子与通信工程学院 bob登陆网站 人工智能研究院 |
| Keywords | 模拟计算 卷积神经网络 开关电容 乘累加 能效 analog computing convolutional neural network switched-capacitor multiply-and-accumulate energy efficiency |
| Issue Date | 29-May-2024 |
| Publisher | 华中科技大学学报(自然科学版) |
| Abstract | 为了适应嵌入式机器学习等低功耗应用场景，提出了一种高能效的模拟域开关电容矩阵-矢量乘法器(SCMM).SCMM电路利用电荷重分配原理实现卷积，权重数据存储在电容中．在SCMM中，5 bit输入数模转换器(Input DAC)在输入数据的控制下产生成比例的电压作为乘累加(MAC)电路的输入电压，3 bit MAC电路使用开关和100 fF单位电容完成模拟域乘累加运算．仿真结果表明：该SCMM电路不仅可实现乘累加运算，在1 GHz主频和1 V供电电压下MAC电路功耗仅为0.725 mW，能效达到4.69×10~(11) s~(-1)·W~(-1)，同时实现过程可缓解对模数转换器(ADC)速率的需求，减小硬件开销． 为了适应嵌入式机器学习等低功耗应用场景，提出了一种高能效的模拟域开关电容矩阵-矢量乘法器(SCMM).SCMM电路利用电荷重分配原理实现卷积，权重数据存储在电容中．在SCMM中，5 bit输入数模转换器(Input DAC)在输入数据的控制下产生成比例的电压作为乘累加(MAC)电路的输入电压，3 bit MAC电路使用开关和100 fF单位电容完成模拟域乘累加运算．仿真结果表明：该SCMM电路不仅可实现乘累加运算，在1 GHz主频和1 V供电电压下MAC电路功耗仅为0.725 mW，能效达到4.69×10~(11) s~(-1)·W~(-1)，同时实现过程可缓解对模数转换器(ADC)速率的需求，减小硬件开销． |
| URI | http://hdl.handle.net/20.500.11897/719953 |
| ISSN | 1671-4512 |
| DOI | 10.13245/j.hust.240725 |
| Indexed | 中文核心期刊要目总览(PKU) 中国科学引文数据库(CSCD) |
| Appears in Collections: | 人工智能研究院 |
