曾剑敏¹,
张章^1,,,
虞志益²,
解光军¹
1.合肥工业大学电子科学与应用物理学院 合肥 230601
2.中山大学微电子科学与技术学院 珠海 519082
基金项目:国家自然科学基金(U19A2053, 61674049)，中央高校基本科研基金(JZ2020YYPY0089)，中国科学院红外成像材料与器件重点实室开放课题(IIMDKFJJ-19-04)

详细信息

作者简介:曾剑敏：男，1991年生，博士生，研究方向为存算一体架构设计
张章：男，1982年生，教授，主要研究方向为集成电路设计及基于混合器件的AI神经形态芯片设计
虞志益：男，1977年生，教授，研究方向为处理器架构设计、基于非易失器件、面向人工智能深度学习等应用的电路与系统设计
解光军：男，1970年生，教授，主要研究方向为集成电路及新型器件电路设计

通讯作者:张章　zhangzhang@hfut.edu.cn

中图分类号:TN47

计量

文章访问数:334
HTML全文浏览量:249
PDF下载量:76
被引次数:0

出版历程

收稿日期:2021-01-05
修回日期:2021-04-09
网络出版日期:2021-04-30
刊出日期:2021-06-18

Applications of Generic In-memory Computing Architecture Platform Based on SRAM to Internet of Things

Jianmin ZENG¹,
Zhang ZHANG^1,,,
Zhiyi YU²,
Guangjun XIE¹
1. School of Electronic Science and Applied Physics, Hefei University of Technology, Hefei 230601, China
2. School of Microelectronics Science and Technology, Sun Yat-sen University, Zhuhai 519082, China
Funds:The National Natural Science Foundation of China(U19A2053, 61674049), The Fundamental Research Funds for Central Universities (JZ2020YYPY0089), The Key Laboratory of CAS (IIMDKFJJ-19-04)


摘要
摘要:最近，存算一体(IMC)架构引起了广泛关注，并被认为有望成为突破冯诺依曼瓶颈的新型计算机架构，特别是在数据密集型(data-intensive)计算中能够带来显著的性能和功耗优势。其中，基于SRAM的IMC架构方案也被大量研究与应用。该文在一款基于SRAM的通用存算一体架构平台——DM-IMCA的基础上，探索IMC架构在物联网领域中的应用价值。具体来说，该文选取了物联网中包括信息安全、二值神经网络和图像处理在内的多个轻量级数据密集型应用，对算法进行分析或拆分，并将关键算法映射到DM-IMCA中的SRAM中，以达到加速应用计算的目的。实验结果显示，与基于传统冯诺依曼架构的基准系统相比，利用DM-IMCA来实现物联网中的轻量级计算密集型应用，可获得高达24倍的计算加速比。
关键词:物联网/
超越冯诺依曼架构/
存算一体/
计算型SRAM
Abstract:In-Memory Computing (IMC) architectures have aroused much attention recently, and are regarded as promising candidates to break the von Neumann bottleneck. IMC architectures can bring significant performance and energy-efficiency improvement especially in data-intensive computation. Among those emerging IMC architectures, SRAM-based ones have also been extensively researched and applied to many scenarios. In this paper, IoT applications are explored based on a SRAM-based generic IMC architecture platform named DM-IMCA. To be specific, the algorithms of several lightweight data-intensive applications in IoT area including information security, Binary Neural Networks (BNN) and image processing are analyzed, decomposed and then mapped to SRAM macros of DM-IMCA, so as to accelerate the computation of these applications. Experimental results indicate that DM-IMCA can offer up to 24 times performance speed-up, compared to a baseline system with conventional von Neumann architecture, in terms of realizing lightweight data-intensive applications in IoT.
Key words:Internet of Things (IoT)/
Beyond von Neumann architecture/
In-Memory Computing (IMC)/
Computational SRAM



PDF全文下载地址:

https://jeit.ac.cn/article/exportPdf?id=1c82604e-0cad-4b5c-aa7d-9a3ead5b403e