神经形态异构计算系统关键模块研究.pdfVIP

摘要

在集成电路制造技术的发展红利渐消，摩尔定律濒临失效，新型计算场景层出

不穷，算力需求持续高涨的背景下，传统冯诺依曼计算体系早已捉襟见肘，功耗墙、

内存墙的限制越来越明显，传统神经网络算法也在物联网、自动驾驶、边缘计算等

新场景下处处受到掣肘。此时，神经形态异构计算系统成为解决当前问题的热门选

择。神经形态计算能进一步模拟人脑的信息处理机制，具有优秀的并行性和较低的

功耗。异构系统可以充分发挥专人干专事的优势，在进一步挖掘现有计算模式潜力

的同时，将神经形态计算架构与通用架构融合，达到算力进一步提升的目的。因此

本论文对神经形态异构计算系统进行了如下研究工作：

（1）脉冲神经元和脉冲神经网络的数字电路设计实现。本论文在对比前人工

作的基础上采用了结构相对简单，硬件亲和性高的脉冲神经元模型，对其生物动力

学过程进行了研究分析，并进行了数字化抽象建模，同时对采用脉冲神经元构建脉

冲神经网络的方法进行了研究分析，采用数字电路设计方法，设计得到了脉冲神经

元和脉冲神经网络。

（2）神经形态计算阵列的设计实现。在得到了脉冲神经元和脉冲神经网络之

后，本论文设计得到了单个可配置，多个易互连的神经形态计算内核，本论文使用

多个神经形态计算内核构建了神经形态计算阵列。在SMIC55nm工艺、100MHz

时钟条件下，DesignCompiler综合分析表明该计算阵列总功耗为14.390mW，面积

2

约4.6mm。

（3）神经形态计算阵列自定义调度指令的设计实现。在实现了神经形态计算

阵列的基础上，结合RISC-V模块化的指令集架构和拓展指令设计方法，本论文设

计提出了多条神经形态RISC-V自定义指令，用于配置、调度、调试上述神经形态

计算阵列，实现了神经形态计算阵列与通用处理器的异构集成，构建了神经形态异

构系统。

（4）神经形态异构系统的应用研究。在得到神经形态异构系统之后，本论文

对其应用方法展开了研究，完成了算法部署和应用功能的开发。针对手写数字识别，

完成了算法设计与计算阵列映射，在FPGA上进行了摄像头实时图像识别系统的

部署和测试，其功能仿真的识别准确率为97.25%，FPGA硬件识别准确率为97%。

关键词：神经形态计算，异构系统，RISC-V，自定义指令

ABSTRACT

Sincethebeginningoftheinformationtechnologyera,researchersandindustry

expertshavebeencommittedtocontinuouslyimprovingthelevelofarithmeticpower.

However,inthecontextofthefadingdevelopmentdividendofICcircuitmanufacturing

technology,Mooreslawisonthevergeoffailure,newcomputingscenariosareemerging,

andthedemandforcomputingpowercontinuestorise,thetraditionalvonNeumann

computingsystemhasbeenoverstretched,thelimitationsofpowerconsumptionwalland

memorywallarebecomingmoreandmoreobvious,andthetraditionalneuralnetwork

algorithmsareconstrainedeverywhereinnewscenariossuchasInternetofThings,

autonomousdriving,andedgecomputing.Atthistime,neuromorphicheterogeneous

computingsystembecomesapopularchoicetosolvethecurre