隨著人工智能應用技術的快速發(fā)展,中央處理器和存儲電路之間大量的數(shù)據(jù)傳輸被公認為目前傳統(tǒng)的馮諾依曼計算機體系架構中最大的瓶頸。深度神經(jīng)網(wǎng)絡作為目前在人工智能領域中應用于圖像識別的最成功的算法之一,它需要對輸入數(shù)據(jù)和權重數(shù)據(jù)做大量的乘法和加法運算(Multiplication and Accumulation,MAC)。存內(nèi)計算(Computing-in-Memory,CIM)電路不僅可以支持存儲器電路所具有的一般讀寫操作,而且可以執(zhí)行多種運算操作,因而可以大大減少數(shù)據(jù)的搬移量,從而進一步提高系統(tǒng)的能耗效率。新型存儲器及存內(nèi)計算電路在高能效人工智能處理器、物聯(lián)網(wǎng)終端設備、智能家居和智慧城市系統(tǒng)中有著廣泛的應用前景,值得不斷地深入研究。本文首先就存內(nèi)計算電路的發(fā)展由來和典型架構進行了梳理分析,主要包含存儲器電路的分類和一般讀寫操作,馮諾依曼架構的瓶頸分析,深度神經(jīng)網(wǎng)絡算法的概述,以及早期存內(nèi)計算研究工作的優(yōu)缺點。然后本文針對高能效存內(nèi)計算電路設計中的挑戰(zhàn),提出了基于分裂式字線6T靜態(tài)隨機存儲單元(dual split control,DSC6T)和雙生8T靜態(tài)隨機存儲單元(Twin 8T S...

【文章頁數(shù)】：118 頁

【學位級別】：博士

【部分圖文】：

圖1-1基于傳統(tǒng)馮諾依曼架構的神經(jīng)網(wǎng)絡加速器設計

電子科技大學博士學位論文2的降低和由于工藝參數(shù)變化所帶來的非線性，運算誤差等問題。雖然這一架構尚未完全成熟，但是其在能耗效率和面積開銷上所具有的市場應用前景受到了來自工業(yè)界和學術界廣泛的關注。其中工業(yè)界的代表案例有臺積電提出的7nmSRAM-CIM[61]和IBM提出的基于相變存....

圖1-2基于存算一體架構的神經(jīng)網(wǎng)絡加速器設計

電子科技大學博士學位論文2的降低和由于工藝參數(shù)變化所帶來的非線性，運算誤差等問題。雖然這一架構尚未完全成熟，但是其在能耗效率和面積開銷上所具有的市場應用前景受到了來自工業(yè)界和學術界廣泛的關注。其中工業(yè)界的代表案例有臺積電提出的7nmSRAM-CIM[61]和IBM提出的基于相變存....

圖2-1新型存儲器金字塔架構

電子科技大學博士學位論文6第二章存內(nèi)計算電路設計基礎本章節(jié)主要介紹了存內(nèi)計算電路所涉及到的基本理論，工作原理和指標，主要包括：1.存儲器電路的新型金字塔架構，2.一般存儲器電路的兩種基本操作：存儲和讀寫操作。3.目前深度神經(jīng)網(wǎng)絡的基本操作和傳統(tǒng)馮諾依曼架構的主要瓶頸。4.存內(nèi)計算....

圖2-26TSRAM單元的基本電路圖

第二章存內(nèi)計算電路設計基礎9工業(yè)級和消費者級電子產(chǎn)品中都十分常見。NOR-type的FlashMemory（NOR-Flash）對PVT的變化相較不敏感，因而主要應用在微控制單元（MicroControlUnit，MCU）設計中。特別地在車載系統(tǒng)的應用中，微控制單元需要在高溫下仍....

本文編號：3981341