NeuroUNI:一种统一的事件驱动多核架构,用于优化脑启发计算中的神经形态原语
《IEEE Transactions on Circuits and Systems I: Regular Papers》:NeuroUNI: A Unified Event-Driven Multi-Core Architecture Optimizing Neuromorphic Primitives for Brain-Inspired Computing
【字体:
大
中
小
】
时间:2026年05月14日
来源:IEEE Transactions on Circuits and Systems I: Regular Papers 5.2
编辑推荐:
摘要:
人工神经网络(ANNs)与脉冲神经网络(SNNs)的硬件融合受到相互冲突的计算范式的阻碍:密集张量并行性与异步稀疏动态之间的矛盾。现有的统一方案通常依赖于低效的空间划分或可重构的数据路径,这限制了需要频繁跨域交互的异构ANN-SNN混合模型所需的灵活性。为了解
摘要:
人工神经网络(ANNs)与脉冲神经网络(SNNs)的硬件融合受到相互冲突的计算范式的阻碍:密集张量并行性与异步稀疏动态之间的矛盾。现有的统一方案通常依赖于低效的空间划分或可重构的数据路径,这限制了需要频繁跨域交互的异构ANN-SNN混合模型所需的灵活性。为了解决这个问题,我们提出了NeuroUNI,一种统一的事件驱动多核架构。与分区设计不同,NeuroUNI在基本层面上通过一种新颖的五元组事件模型来统一计算,该模型抽象了连续激活和离散脉冲,从而自然地利用了动态稀疏性。该架构采用了协同优化的分层宏-微架构、基于超标量SIMD的微架构(OP ISA)以及去中心化的多核同步协议。通过在TSMC 28nm技术上的后合成仿真和Xilinx VCU129 FPGA原型上的验证,NeuroUNI展示了跨范式的竞争效率。它分别达到了NVIDIA V100和EyerissV2的ANN能效水平,并提供了TrueNorth的SNN吞吐量。在一个统一的、无需映射的导航工作负载中,NeuroUNI实现了422.6 GOPS/W(ANN)和190.8 GSOPS/W(SNN)的性能,优于Loihi 1。此外,它的吞吐量和能效也比Loihi 1更高。
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