編號(hào)：CYYJ03321
篇名：相變材料輔助的光子卷積神經(jīng)網(wǎng)絡(luò)加速器
作者：郭鵬星 劉志遠(yuǎn) 侯維剛 郭磊
關(guān)鍵詞： 機(jī)器視覺(jué) 光子卷積神經(jīng)網(wǎng)絡(luò)加速器 微環(huán)諧振器 相變材料 存算一體
機(jī)構(gòu)： 重慶郵電大學(xué)通信與信息工程學(xué)院 重慶郵電大學(xué)智能通信與網(wǎng)絡(luò)安全研究院
摘要： 由于卷積神經(jīng)網(wǎng)絡(luò)(CNN)識(shí)別精度與人類接近,故其在計(jì)算機(jī)視覺(jué)、圖像和語(yǔ)音處理等方面取得了巨大的成功,但這種成功離不開硬件加速器的支撐,。受到電子器件功率與速率的限制,當(dāng)前的電加速器難以滿足未來(lái)大規(guī)模卷積運(yùn)算對(duì)硬件算力和能耗的需求,。作為一種替代方案,提出了一種低能耗存算一體光子CNN加速器結(jié)構(gòu),。該結(jié)構(gòu)采用微環(huán)諧振器和非易失性相變材料Ge2Sb2Te5構(gòu)成無(wú)源光學(xué)矩陣乘法器來(lái)實(shí)現(xiàn)存內(nèi)計(jì)算,從而減小了權(quán)重?cái)?shù)據(jù)讀取的能耗。利用Ansys Lumerical仿真平臺(tái)驗(yàn)證了10 Gb/s與20 Gb/s速率下4×4規(guī)模的光學(xué)矩陣乘法的運(yùn)算,。與傳統(tǒng)的基于電光微環(huán)諧振器的光子CNN加速器數(shù)字電子與模擬光子(DEAP)相比,所提加速器結(jié)構(gòu)在保持原運(yùn)算速率的情況下減少了48.75%的功耗,并且在矩陣運(yùn)算處的面積能夠減少49.75%,。此外,基于MNIST與notMNIST數(shù)據(jù)集對(duì)所提加速器的推理效果進(jìn)行了仿真驗(yàn)證,識(shí)別精度分別為97.80%和92.45%。
