Os aceleradores de deep learning são essenciais para atender às crescentes demandas computacionais das redes neurais modernas. Os aceleradores baseados em arrays pulsados consistem em elementos de processamento dispostos em uma grade bidimensional que trabalham em conjunto para acelerar operações de multiplicação de matriz. A eficiência energética desses aceleradores é crucial, especialmente em cenários de inteligência artificial de borda. O acelerador SAPER-AI proposto é um acelerador baseado em array pulsado que usa um formato de consumo de energia unificado para definir sua intenção de consumo, praticamente sem a necessidade de otimização de sua microarquitetura. O acelerador desliga as linhas e colunas dos elementos de processamento em nível de granularidade grossa, permitindo que a microarquitetura do array pulsado se adapte às crescentes demandas computacionais em constante mudança das cargas de trabalho modernas de deep learning. A análise mostra que, em condições ideais, a eficiência energética dos designs de array pulsado 32×32 e 64×64 aumenta entre 10% e 25%. Além disso, a melhoria do produto de potência e atraso de arrays pulsadas em larga escala é de aproximadamente 6%. Além disso, a comparação de desempenho com base nos modelos MobileNet e ResNet50 mostra que os arrays pulsados geralmente têm um desempenho melhor ao lidar com cargas de trabalho ResNet50. Isso ocorre porque o cálculo de convolução mais regular apresentado pelo ResNet50 é mais favorável aos arrays pulsados, e, à medida que o tamanho do array pulsado aumenta, essa diferença de desempenho aumentará ainda mais.

Acelerador de inteligência artificial;Design de circuitos integrados especializados;Array pulsado;Design de baixo consumo de energia