研究简介
东南大学杨军教授、司鑫副研究员的英文评述“From Macro To Microarchitecture: Reviews and Trends of SRAM-Based Compute-in-Memory Circuits”即将在Science China Information Sciences的“后摩尔时代新器件基础研究”重大研究计划进展专题上发表。
随着深度学习网络的快速发展，AI模型所需算力呈现指数性增长，其中数据传输造成的功耗损失越来越严重，限制了芯片发展的速度和效率，形成了“功耗墙”问题。与此同时处理器的性能快速提升而内存性能的提升速度有限，内存瓶颈导致高性能处理器难以发挥出应有的功效。基于SRAM的存内计算方案一种面向未来的解决方案，可以打破内存墙和功耗墙壁垒，提高计算系统的性能、面积效率和能源效率，通过允许内存单元执行并行计算，提高了数据重用，并最大限度地减少了内存和处理器之间的数据移动。
本综述阐述了基于SRAM存内计算的重要研究进展，并从宏单元和微架构两个层级综述了SRAM存内计算的研究现状。首先，文章介绍了时域、电压/电流域、电荷域、数字域宏单元，还详细分析了不同域的宏单元在信号裕度、计算精度、计算能耗方面的优劣势。其次文章介绍了在SRAM存内计算设计中的挑战与权衡。其中，在宏单元层面，能源效率和输出精度、吞吐率、多算子支持之间存在设计权衡，在微架构层面，系统性能和输入输出SRAM、数据流展开方式有关。最后，文章从宏单元和微架构两个层级总结了SRAM存内计算的发展前景和挑战，并强调混合域计算、精度和算子可重构是SRAM存内计算进一步发展的重要路径。文章提到的chiplet 3D集成和稀疏度优化的研究也同样会对SRAM存内计算往更高的层级发展提供帮助。
本文回顾了SRAM存内计算的最新研究成果，并分析、展望研究领域发展趋势，为后续基于SRAM的存算一体加速器的研究提供借鉴。
Zhaoyang ZHANG, Jinwu CHEN, Xi CHEN, An GUO, Bo WANG, Tianzhu XIONG, Yuyao KONG, Xingyu PU, Shengnan HE, Xin SI & Jun YANG. From Macro To Microarchitecture: Reviews and Trends of SRAM-Based Compute-in-Memory Circuits. Sci China Inf Sci，doi：10.1007/s11432-023-3800-9
版权声明：本文内容转自互联网，本文观点仅代表作者本人。本站仅提供信息存储空间服务，所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至1393616908@qq.com 举报，一经查实，本站将立刻删除。
