优化的双稳态涡旋记忆阵列用于超导内存矩阵-向量乘法-计算机科学-算法.pdfVIP

优化的双稳态涡旋记忆阵列用于超导内存矩阵-向量乘法

M.A.Karamuftuoglu,C.Song,B.Z.Ucpinar,S.

RazmkhahandM.Pedram

MingHsiehDepartmentofElectricalandComputerEngineering,Universityof

SouthernCalifornia,LosAngeles,CA90089USA

E-mail:karamuft@

March2025

本

译摘要.在此前介绍的双稳态涡流存储器（BVM）作为一项新颖、非易失性、高密度且

可扩展的超导体存储技术的基础上，本研究提出了一种利用BVM阵列解决数据驱动

中算法和神经网络挑战的方法论，特别是针对矩阵-向量乘法（MVM）。该BVM方法引

1入了一种基于超导体的内存内算术新方法，通过使用BVM阵列进行内存计算实现了

v超高速度和能量高效的计算。设计采用分块乘法器结构，结合了BVM固有的电流求

8和能力以及量化缓冲区（QB）单元将模拟积累电流转换为可变数量的数字单磁通量子

4（SFQ）脉冲。这些脉冲随后由T1加法器单元处理，该单元负责二进制加法和进位传

6

4播，从而形成一个完整的功能乘法器单元。因此，本文提出了一种高效的MVM架构，

0使用这种基于BVM的乘法器在收缩阵列配置中实现并行计算。一项关键创新是专门

.为乘法应用优化的BVM阵列结构，通过重新设计感应线（SLs）的对角连接以减少面

7

0积，并调整输入方案以提高计算效率相比通用型BVM阵列设计。我们展示了一种4位

5乘法器在20GHz下工作且具有50ps延迟的有效性，以及一种MVM结构展示了在

220GHz下的操作性能。此外，我们展示了如何将这种乘法器设计扩展以支持乘-累加

:

v（MAC）运算。本研究为高效的神经网络铺平了道路，通过实现高速内存计算。

i

x

r

a

关键词:内存计算，向量-矩阵乘法，乘积累加，涡旋记忆，超导电子学

2

1介绍模ReRAM/PCM/FeFET加速器[22–24]。DRAM-PIM

在成熟的制造堆栈上提供了字节级精度，但受限于位

超导电子学（SCE）为传统计算系统提供了一种新兴的线电流限制。相比之下，忆阻性IMC提供了大量并

替代方案，利用其超快的操作速度和低功耗。[1]SCE设行模拟MAC和非易失性，代价是设备的变异性以及

计方面的必威体育精装版进展进一步提高了可扩展性和集成度，推

ADC/DAC的开销。

动了超越传统CMOS基础方法的计算范式的开发。[2]在这项工作中，我们提出了一种新颖的超导MVM

特别是，快速单通量量子（RSFQ）逻辑[3]和绝热量子设计，该设计利用双稳态涡旋记忆（BVM）[25]和T1

通量参量器（AQFP）[4]已被广泛探索用于高效能和节[26]单元作为乘法过程的基本组件。本文引入的超导

能的计