編號：CYYJ03321
篇名：相變材料輔助的光子卷積神經(jīng)網(wǎng)絡(luò)加速器
作者：郭鵬星 劉志遠(yuǎn) 侯維剛 郭磊
關(guān)鍵詞： 機器視覺 光子卷積神經(jīng)網(wǎng)絡(luò)加速器 微環(huán)諧振器 相變材料 存算一體
機構(gòu)： 重慶郵電大學(xué)通信與信息工程學(xué)院 重慶郵電大學(xué)智能通信與網(wǎng)絡(luò)安全研究院
摘要： 由于卷積神經(jīng)網(wǎng)絡(luò)(CNN)識別精度與人類接近,故其在計算機視覺、圖像和語音處理等方面取得了巨大的成功,但這種成功離不開硬件加速器的支撐。受到電子器件功率與速率的限制,當(dāng)前的電加速器難以滿足未來大規(guī)模卷積運算對硬件算力和能耗的需求。作為一種替代方案,提出了一種低能耗存算一體光子CNN加速器結(jié)構(gòu)。該結(jié)構(gòu)采用微環(huán)諧振器和非易失性相變材料Ge2Sb2Te5構(gòu)成無源光學(xué)矩陣乘法器來實現(xiàn)存內(nèi)計算,從而減小了權(quán)重數(shù)據(jù)讀取的能耗。利用Ansys Lumerical仿真平臺驗證了10 Gb/s與20 Gb/s速率下4×4規(guī)模的光學(xué)矩陣乘法的運算。與傳統(tǒng)的基于電光微環(huán)諧振器的光子CNN加速器數(shù)字電子與模擬光子(DEAP)相比,所提加速器結(jié)構(gòu)在保持原運算速率的情況下減少了48.75%的功耗,并且在矩陣運算處的面積能夠減少49.75%。此外,基于MNIST與notMNIST數(shù)據(jù)集對所提加速器的推理效果進行了仿真驗證,識別精度分別為97.80%和92.45%。
