Los aceleradores de aprendizaje profundo son vitales para satisfacer la creciente demanda de cálculo de las redes neuronales modernas. Los aceleradores basados en matrices de pulsos están compuestos por elementos de procesamiento en una estructura de rejilla bidimensional que trabajan juntos para acelerar las operaciones de multiplicación de matrices. La eficiencia de estos aceleradores es crucial, especialmente en el contexto de la inteligencia artificial en el borde. El acelerador SAPER-AI propuesto es un acelerador basado en una matriz de pulsos, que utiliza un formato de consumo de energía unificado para definir su intención de consumo de energía, casi sin necesidad de optimizar su microarquitectura. Este acelerador cierra de manera grosera los elementos de procesamiento en filas y columnas, lo que permite que la microarquitectura de la rejilla de pulsos se adapte a la constante evolución de la demanda de cálculo de las cargas de trabajo de aprendizaje profundo modernas. El análisis muestra que la eficiencia de diseño de las rejillas de pulsos de 32×32 y 64×64 aumenta en un 10% a un 25% respectivamente en condiciones óptimas. Además, la potencia y el retardo de las rejillas de pulsos mejoran aproximadamente un 6%. Además, las comparaciones de rendimiento basadas en los modelos MobileNet y ResNet50 muestran que las rejillas de pulsos suelen tener un mejor rendimiento en el procesamiento de la carga de trabajo ResNet50. Esto se debe a que las operaciones de convolución más regulares presentadas por el modelo ResNet50 son más preferidas por las rejillas de pulsos, y con el aumento del tamaño de las rejillas de pulsos, esta brecha de rendimiento se ampliará aún más.

Artificial intelligence (AI) accelerators;Application-specific integrated circuit (ASIC) design;Systolic arrays;Low-power designs