计算机工程与科学

作者：许炜康, 孙岩, 张建民

单位：国防科技大学计算机学院,湖南 长沙 410073

关键词：近似计算,脉冲神经网络,硬件加速器,高能效,低功耗,

基金：国家重点研发计划(2022YFB2803405);国家自然科学基金(62072464)

脉冲神经网络（SNN）实现了对生物神经更为接近的模拟,其高能效的特性极为适用于边缘和终端计算场景。然而,在对功耗高度敏感的应用中,进一步降低功耗依旧是一个至关重要的任务。近似计算通过引入一定的误差来简化设计,为容错应用的高能效硬件设计带来了新的契机。对将近似计算应用于 SNN 加速器的方法进行了探索，首先,针对 SNN 的应用特点展开分析与实验,总结出 SNN 加速器中大量加法器输入数据的分布特性。基于此特性,提出一种针对应用敏感的近似运算部件误差评估指标AARE。依据AARE指标以及提出的最优近似加法器选择策略,能够针对特定应用选择更为合适的近似运算部件。在此基础上,利用开源的 EDA 工具和 PDK 实现了一种基于近似计算的 SNN 硬件加速器 AxSpike,并使用 snnTorch 开发了相应的模拟器。实验结果表明,AxSpike加速器能够实现 37.32% 的功耗节约以及 31.26% 的面积节省,精度仅下降 3.47个百分点,极大提高了 SNN 硬件加速器的能效比。

来源：2025年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第10期