引入非线性MPS的量子启发张量网络混合分类器在无DSP FPGA推理中的实现与评估
《IEEE Access》:QTN-Hybrid: A DSP-Free Non-Linear Tensor-Network Classifier for Low-Latency FPGA Inference
【字体:
大
中
小
】
时间:2026年10月23日
来源:IEEE Access 4.2
编辑推荐:
摘要:基于矩阵乘积态(MPS)的张量网络(TN)分类器近年来已成为在FPGA上实现完全无需DSP推理的一条途径,但据我们所知,迄今为止所有已报告的部署方案均严格为多重线性结构。我们通过引入QTN-Hybrid来弥补这一空白——这是一种受量子启发的张量网络(QTN)混合设计,其
摘要:
基于矩阵乘积态(MPS)的张量网络(TN)分类器近年来已成为在FPGA上实现完全无需DSP推理的一条途径,但据我们所知,迄今为止所有已报告的部署方案均严格为多重线性结构。我们通过引入QTN-Hybrid来弥补这一空白——这是一种受量子启发的张量网络(QTN)混合设计,其中在键收缩之间插入了一种DSP-free的非线性MPS分类器,采用映射到LUT阵列的Hardtanh激活函数(由两个有符号比较器和一个三路选择多路复用器实现)。Hardtanh非线性使得每次键收缩后的隐向量受到约束,从而将定点动态范围限制在链路上,使得在低精度下仍能保持准确率,同时减少硬件资源。所提出的模型在Fashion-MNIST上以与已发表的级联间距矩阵乘积算子(CSMPO)参考设计规模相当的操作点进行训练(χ = 4,32个位置,约1k参数),在五个随机种子下重复实验,并在训练后量化后评估4–16位的精度。在每个精度下,QTN-Hybrid的准确率均高于线性MPS,在8–16位时高出+4.38–4.50个百分点,在6位时高出+5.30个百分点,且在6位时仍高于16位线性基线。在硬件方面,以250MHz目标时钟频率通过高层次综合将内核C语言综合,并对生成的RTL进行逻辑综合以获得资源和时序指标。所设计的结果使用零个DSP块,所需的LUT数量比16位线性基线少数倍,且8位和6位配置均通过了中端FPGA和低成本边缘系统模块的综合后资源容量和时序检查,表明在综合后层面,在小规模FPGA上部署是可行的,而可路由性和板载运行仍有待验证。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号