高算力与低功耗是复杂深度学习任务中的关键指标,传统冯·诺依曼架构的存算分离计算模式,会在数据传输过程中消耗大量能量,因此研究低功耗、高算力的新型计算系统成为迫切需要。受神经科学的启发,用来模拟生物神经系统计算与学习机制的神经形态计算模型备受关注。离子栅晶体管与忆阻器作为新型的电子器件,具有功耗低、能够模拟神经元和突触功能等特点,近年来被广泛用于神经形态计算任务。目前对于神经形态器件的材料体系与制备方面的研究较为成熟,然而,当神经形态计算系统应用到实际场景中时其可靠性和稳定性仍存在挑战,需要进一步的研究和改进。因此,本文拟从神经形态计算硬件系统方面着手,分别提出以离子栅晶体管器件为核心的声源定位系统,以及基于1T1R(One Transistor One Re RAM)阵列的存内计算系统与存内计算加密系统。采用从分立器件到器件集成的设计方法实现低能耗、高精度、高可靠性的神经形态计算。其主要内容如下:
一、利用离子栅晶体管器件的短时程特性搭建声源定位硬件系统,实现生物听觉仿生功能。采用耳间时间差(Interaural Time Difference,ITD)的声源定位方法建立声音传播近似模型。根据近似模型对声源定位硬件系统进行搭建,通过离子栅晶体管器件的短时程特性建立时间查找表(Look-Up Table,LUT),完成器件沟道电流值与衰减时间的关系映射。对声源定位硬件系统进行测试,在15°的角度间隔下系统计算结果最小误差为2.55°。为提高硬件系统定位精度,提出静态与动态定位方法并进行评估,统计各角度下的平均误差,其中最小平均误差分别为0.258°与0.17°。对硬件系统能耗进行评估,该系统单次定位工作的总能耗为1.09 m J,实验结果证明了该硬件系统具备低能耗、高精度等优势。
二、基于1T1R阵列测试平台搭建存内计算硬件系统,实现存算一体化。在FPGA硬件开发板上进行存内计算行为级建模,使用块随机存储器(Block RAM,BRAM)模拟1T1R阵列中权重存储方式。通过该行为级模型实现单通道图片卷积计算,准确度相对于软件计算结果几乎无损失。将存内计算行为级模型作为设计标准完成以1T1R阵列为核心的存内计算系统搭建,使用该硬件系统成功实现图片卷积与边缘检测图像处理任务。经过误差分析,该硬件系统的计算结果相对于软件计算结果存在极小的损失,在图片卷积任务中的计算错误率小于0.09076%,边缘检测任务中的计算错误率为0%。该工作构建了一套全硬件实现的存内计算系统,以较高的准确度完成计算任务,为高能效、高精度的神经形态计算系统打下基础。
三、针对存内计算硬件系统的安全问题,提出一套完备的加密方案。将1T1R阵列中器件阻态分布的差异性作为熵源,进行物理不可克隆函数(Physical Unclonable Functions,PUF)的生成,芯片间与芯片内汉明距离(Hamming Distance,HD)的统计证明了PUF响应的唯一性与稳定性。将PUF响应作为密钥采用异或加密方案实现输入数据自加密,在存内计算硬件系统的基础上完成了存内计算加密系统架构设计。使用该存内计算加密系统进行边缘检测任务,当输入密钥中仅存在1比特错误时会导致计算结果的准确度降低到0.056%以下。对该硬件系统容错机制进行分析,随比特错误率(Bit Error Rate,BER)的增加,图片卷积结果平均误差从851增加到6328,且不同BER下准确度均接近于0%,表明该系统对于输入密钥中出现错误的容忍度极低。将异或加密方案应用在Fashion MNIST图像分类任务中,6.25%的BER导致模型推理精度下降了73.4%,表明该工作所提出的加密方案可有效防止存内计算硬件系统的盗用,提高数据的安全性与系统的可靠性,在硬件安全问题上具有巨大潜力。
暂无评论