异构神经形态计算架构中数据调度方法与技术研究.pdfVIP

摘要

基于脉冲神经网络（SNN）的神经形态计算相比于传统的人工神经网络（ANN）

硬件友好性强，并且具有潜在更高的生物合理性，在近年来受到了广泛的关注。神

经形态芯片由于功耗低、紧凑性强等特点得到了迅速的发展。为了提高神经形态芯

片的通用性，相关研究工作采用了融合通用处理单元和专用神经形态计算单元的

异构计算架构。然而异构神经形态计算架构中数据种类繁多、数据流复杂，为系统

数据调度带来了严峻挑战。因此，对异构神经形态计算架构中数据调度方法进行研

究具有重要意义。

本文针对异构神经形态计算架构数据调度方法开展研究，分析系统数据类型、

数据流特性，形成了多样化的数据调度方案，构建了异构神经形态计算架构的专用

数据调度系统。首先，本文基于特定的异构神经形态计算架构，开展了数据类型、

数据流方向性和数据吞吐研究，形成了一种基于直接连接、片上网络和总线的混合

互联方案，结合了不同互联通信技术在带宽、硬件友好性和扩展性方面的优势。其

次，基于形成的混合互联方案，本文开展了面向RISC-V指令控制、顶层控制、内

核间数据传输和存储器访问的系统数据调度方法研究，形成了数据调度方案，设计

了相关的调度模块，构建了基于专用数据调度方案的异构神经形态计算架构。其中

为了实现异构系统的接口优化，提出了访存接口合并方法。此外，本文提出了灵活

的系统扩展方案，设计了数据合并模块以支持系统级扩展。最后，本文基于提出的

异构神经形态计算系统，进行功能验证与模型部署验证。基于软硬件联合仿真环境，

开展了数据调度验证。同时，在系统上部署用于CIFAR-10等数据集推理的脉冲神

经网络模型，成功实现了神经形态计算推理应用验证。

本文从数据流研究出发，开展了数据调度方法研究，构建了异构神经形态计算

架构的专用数据调度系统，有望在未来推动异构神经形态计算系统设计研究的发

展。

关键词：神经形态计算，异构计算，互联通信，数据调度

ABSTRACT

NeuromorphiccomputingbasedonSpikingNeuralNetwork(SNN)hasattracted

widespreadattentioninrecentyearsduetoitshardware-friendlynaturecomparedto

traditionalArtificialNeuralNetwork(ANN)anditspotentialforhigherbiological

plausibility.Neuromorphicchipshaverapidlydevelopedduetotheirlowpower

consumptionandcompactness.Inordertoimprovetheversatilityofneuromorphicchips,

researchhasadoptedheterogeneouscomputingarchitecturesthatcombinegeneral-

purposeprocessingunitswithdedicatedneuromorphiccomputingunits.However,the

heterogeneityofdatatypesandcomplexdataflowsinheterogeneousneuromorphic

computingarchitecturesposesignificantchallengesforsystemdatascheduling.

Therefore,itisofgreatsignificancetostudydataschedulingmethodsinheterogeneous

neuromorphiccomputingarchitectures.

Thisthesisconductsresearchondataschedulingmethodsinheterogeneous

neuromorphiccomputin