← 返回 JSSC 论文列表
📄 下载 JSSC 原文 PDF
JSSC 2025第8期Memory

An Energy Efficient POSIT Compute in Memory Macro for High Accuracy AI Applicat

一种用于高精度AI应用的高能效POSIT存内计算宏
存内计算POSIT数格式高精度AI应用能效优化
创新点1:采用POSIT数格式提高计算精度(方法创新)。该论文提出使用POSIT数格式替代传统的浮点数格式,通过动态调整小数点和指数位,显著提高了AI计算的数值表示范围和精度,尤其适用于高精度AI应用场景。
创新点2:存内计算架构降低能耗(系统创新)。通过设计存内计算(CIM)宏单元,将计算与存储紧密结合,减少了数据搬运的能耗,实验数据显示能耗降低达40%以上,同时保持了高计算吞吐量。
创新点3:优化设计支持高精度AI应用(电路创新)。针对POSIT数格式的特性,优化了存内计算单元的电路设计,包括多级精度可调的计算单元和低功耗信号处理路径,确保在高精度计算时仍能保持低功耗和高效率。
创新点4:动态精度调整机制(方法创新)。引入动态精度调整机制,根据AI应用的计算需求实时调整POSIT数格式的精度,进一步优化能耗与性能的平衡,适用于多样化的AI任务场景。