一种用于音频处理的40纳米、30.69 TOPS/W性能的FC-DNN引擎，该引擎采用基于CAM的内存搜索技术和基于DIMC的近似计算方法

《IEEE Open Journal of the Solid-State Circuits Society》：A 40-nm 30.69-TOPS/W Weight Sharing FC-DNN Engine for Audio Processing Using CAM-Based In-Memory Search and DIMC-Based Approximate Computing

　　

摘要：

本文提出了一种权重共享的全连接深度神经网络（FC-DNN）架构，该架构结合了基于内容寻址内存（CAM）的内存内搜索和数字内存计算（DIMC）技术，以减少数据传输量并提高能效。通过采用权重共享机制并利用共享权重的分布式特性，该架构显著降低了存储权重的数量和权重访问的频率，从而减少了乘法运算的次数。该架构集成了二进制内容寻址内存（BCAM）以实现高效的索引匹配，并采用了具有近似计算功能的SRAM DIMC，从而实现了高吞吐量的数据积累和更低的功耗，同时保持了最小的精度损失。该架构采用40纳米CMOS工艺实现，支持16位输入、权重和激活值，以满足失语症语音转换任务的精度要求。测试结果显示，在0.6伏的供电电压下，其能效达到了30.69 TOPS/W，验证了所提出的BCAM-DIMC混合架构的有效性及其在高精度、低功耗边缘AI音频应用中的适用性。