机构

University of Zurich and ETH Zurich

2 篇

ISSCC 2025Session 13AI / ML
An 8.62μW 75dB-DRSoC End-to-End Spoken-LanguageUnderstanding SoC with Channel-Level AGC and Temporal-Sparsity-Aware Streaming-Mode RNN
Sheng Zhou1, Zixiao Li1, Tobi Delbruck1, Kwantae Kim2, Shih-Chii Liu1
该论文提出了一款端到端口语理解SoC，功耗仅8.62μW，动态范围达75dB，集成了通道级自动增益控制和时间稀疏性感知处理，解决了传统ADC+DSP方案中模拟前端和数字特征提取器功耗过高的问题。
▸提出通道级自动增益控制（AGC）技术，动态适应不同输入信号幅度，提升动态范围。
▸引入时间稀疏性感知处理，利用语音信号的稀疏特性降低计算功耗。
University of Zurich and ETH Zurich, Zurich, Switzerland 8.62μW功耗，75dB动态范围
ISSCC 2022Session 29AI / ML28nm CMOS
ReckOn: A 28nm Sub-mm2 Task-Agnostic Spiking Recurrent Neural Network Processor Enabling On-Chip Learning over Second-Long Timescales
Charlotte Frenkel, Giacomo Indiveri
该论文提出了一种名为ReckOn的28nm亚平方毫米任务无关脉冲递归神经网络处理器，支持片上学习，解决了边缘设备在数据分布变化下的自适应问题。通过创新的学习算法和硬件设计，实现了在长时间尺度上的在线学习，同时满足严格的功耗和面积约束。
▸提出了一种任务无关的脉冲递归神经网络处理器架构，支持片上学习，无需外部干预即可适应数据分布变化。
▸开发了与时间深度无关的学习算法，避免了传统训练算法中内存需求随数据时间深度线性增长的问题。
University of Zurich and ETH Zurich, Zurich, Switzerland