← 返回 JSSC 论文列表JSSC 2023第8期MemoryEmerging Memory
TinyV ers A Tiny V ersatile System-on-Chip With State-Retentive eMRAM for ML Inf
TinyVers是一款超低功耗多功能SoC，支持边缘设备的机器学习应用。
17.6 GOPS, 1.7 µW to 20 mW, 17 TOPS/W
超低功耗边缘计算机器学习数据流重构嵌入式MRAM
▸创新点1：数据流重构支持多模态处理（系统创新）。TinyVers通过数据流重构技术，实现了对不同机器学习（ML）工作负载的灵活支持，能够在超低功耗（ULP）下高效处理多种应用场景，如语音识别和机器监控。
▸创新点2：片上电源管理实现智能传感（系统创新）。TinyVers采用激进的片上电源管理策略，支持智能传感应用的占空比控制，能够在1.7 µW到20 mW的功耗范围内工作，显著降低了能耗。
▸创新点3：嵌入式MRAM用于代码和参数保留（电路创新）。TinyVers集成了嵌入式磁阻随机存取存储器（eMRAM），用于存储启动代码和ML参数，确保在深度睡眠模式下数据不丢失，提升了系统的可靠性和能效。
▸创新点4：高性能RISC-V处理器与ML加速器结合（系统创新）。TinyVers结合了RISC-V主机处理器和17 TOPS/W的数据流可重构ML加速器，实现了高达17.6 GOPS的计算性能，同时保持超低功耗，适用于极端边缘设备。
Abstract
Extreme edge devices or Internet-of-Things (IoT)
nodes require both ultra-low power (ULP) always-on (AON)
processing as well as the ability to do on-demand sampling
and processing. Moreover, support for IoT applications, such
as voice recognition, machine monitoring, and so on, requires
the ability to execute a wide range of machine learning (ML)
workloads. This brings challenges in hardware (HW) design to
build flexible processors operating in ULP regime. This article
presents TinyVers, a tiny v