JSSC 2024第5期Digital Circuits28nm

A 442-TOPSW CNN Processor With Variation-Tolerant Analog Datapath and Variation

提出一种具有抗PVT变化模拟数据路径的CNN处理器，实现高能效和低计算误差。

28nm CMOS, 437.9 TOPS/W (模拟数据路径), 44.2 TOPS/W (全系统), ±10%电压变化, -20°C至85°C温度变化下精度损失<0.5%

卷积神经网络处理器模拟计算抗PVT变化能效优化模拟存储器

▸创新点1：采用模拟存储器(AMEM)避免数据转换（系统创新）。通过集成AMEM在模拟数据路径中，消除了传统CNN处理器中频繁的模数/数模转换需求，显著提升了能效，实现了437.9 TOPS/W的模拟数据路径能效。

▸创新点2：设计抗PVT变化的AMEM和ANU（电路创新）。通过优化AMEM和模拟计算单元(ANU)的电路结构，使其对工艺、电压和温度变化具有鲁棒性，确保计算精度在±10%电压变化和-20°C至85°C温度范围内仅下降0.5%。

▸创新点3：提出变化补偿电路（方法创新）。引入动态补偿机制，实时校正PVT变化导致的模拟计算误差，进一步提升了系统的稳定性和分类准确性。

▸创新点4：整体系统能效优化（系统创新）。通过结合AMEM、ANU和补偿电路，在28nm CMOS工艺下实现了44.2 TOPS/W的总系统能效，为高能效CNN处理器设定了新基准。

Abstract

Convolutional neural network (CNN) processors that exploit analog computing for high energy efficiency suffer from two major issues. First, frequent data conversions between the layers limit energy efficiency. Second, computing errors occur from analog circuits since they are vulnerable to process, voltage, and temperature (PVT) variations. In this article, a CNN processor featuring a variation-tolerant analog datapath with analog memory (AMEM) is proposed so that data conversion is not needed.