基于NorFlash存算一体阵列的神经网络乘累加模拟计算与模数混合接口电路设计.docxVIP

PAGE2

基于NorFlash存算一体阵列的神经网络乘累加模拟计算与模数混合接口电路设计

摘要

深度神经网络在边缘计算场景中的部署受限于传统冯·诺依曼架构的“存储墙”瓶颈，数据在处理器与存储器之间的频繁搬运导致大量能耗与时延。存算一体技术通过在存储器内部直接执行模拟矩阵向量乘法，可从根源上突破这一瓶颈。本课题以NorFlash单元阵列作为模拟突触，设计了一套完整的存算一体乘累加计算与模数混合接口电路。系统利用Flash晶体管阈值电压可编程的特性，将神经网络权重映射为电导值；在读取阶段，通过字线施加输入电压矢量，使位线产生加权求和电流，实现并行的模拟域乘累加运算。为将模拟计算结果转换为数字域，设计了一款8位斜坡式模数转换器（RampADC），采用共享斜坡发生器与多通道比较器架构，兼顾面积与转换精度。本文遵循“需求分析—总体设计—详细设计—实现—测试”的工程递进思路展开：第一章分析边缘推理的能效痛点与存算一体优势；第二章对比存算介质并论证NorFlash选型；第三、四章完成阵列架构、时序控制与接口需求分析及总体设计；第五、六章详细设计Flash阵列驱动电路、斜坡ADC及模数混合接口，并给出关键电路实现；第七章通过全电路仿真验证功能与性能。核心创新在于提出一种将NorFlash阵列与片上斜坡ADC协同设计的方案，通过优化位线钳位电压与斜坡斜率匹配，在28nm工艺节点下实现了模拟