基于DNN芯粒的存内计算架构仿真
judy 在 周四, 04/02/2026 - 15:54 提交
由于深度学习(DL)模型规模的不断增长,在大型单片芯片上实现用于深度学习的存内计算(IMC)面临面积、良率和制造成本方面的挑战。

由于深度学习(DL)模型规模的不断增长,在大型单片芯片上实现用于深度学习的存内计算(IMC)面临面积、良率和制造成本方面的挑战。

本文的设计范例,由一个CPU和两个机器学习加速器组成,采用仿真的芯粒配置,并使用高级接口总线(AIB)进行连接。

由美国空军研究实验室(AFRL)和美国国家航空航天局(NASA)赞助的一款高性能航天计算(HPSC)处理器,基于芯粒的架构由波音公司为太空任务开发。

本文将深入探讨系统开发者在芯粒设计与集成过程中面临的部分关键问题及决策考量。

在半导体行业中,许多产品由独立制造和分销的组件组装而成,这一特点为商业专利保护带来了特殊考量。而芯粒(Chiplet)的出现,则打破了这种传统模式