主要观点总结
本文主要介绍了机器之心AIxiv专栏及投稿信息，并详细描述了最新研究成果——基于SRAM的存内计算（COMPASS）架构。该架构为脉冲神经网络（SNN）在硬件加速器上的高效部署提供了全新方案，旨在解决现有SNN在追求高准确性时面临的能量消耗和计算延迟问题。文章还介绍了类脑计算的挑战、COMPASS架构的技术细节、性能评估结果以及未来展望。
关键观点总结
关键观点1: 机器之心AIxiv专栏介绍
该专栏是机器之心发布学术、技术内容的平台，过去数年接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。
关键观点2: COMPASS架构的背景与挑战
随着人工智能的发展，类脑计算尤其是脉冲神经网络（SNN）在人工智能领域迅速崛起。然而，现有的SNN在追求高准确性时面临能量消耗和计算延迟问题，使得其在边缘设备上的应用面临挑战。
关键观点3: COMPASS架构的技术特点
COMPASS架构基于SRAM的存内计算技术，通过高效利用输入脉冲的显式稀疏性和输出脉冲的隐式稀疏性，显著提高了SNNs的计算效率。此外，该架构还引入了动态脉冲模式的推测机制和适用于输入和输出脉冲的时间维度压缩技术，进一步优化了硬件资源的利用效率。
关键观点4: COMPASS架构的性能评估结果
与现有的SNN加速器硬件实现相比，COMPASS架构在端到端加速方面实现了显著的提升，同时每次推理的能耗也大幅下降。这一成果展示了COMPASS架构在实际应用中的巨大潜力。
关键观点5: 未来展望与研究计划
研究团队计划进一步优化COMPASS架构，并期待其在更多的实际场景中得到应用。随着SRAM技术的不断发展，COMPASS架构有望在未来低能耗人工智能领域发挥更大的作用。
文章预览
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。 投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com 团队信息： 这一工作由上海交大先进计算机体系结构实验室蒋力教授和刘方鑫助理教授所在课题组（IMPACT）完成，同时也获得了上海期智研究院的支持。 第一作者是博士生汪宗武。 会议介绍 MICRO 全称 IEEE/ACM International Symposium on Microarchitecture，与 ISCA、HPCA、ASPLOS 并称为体系结构「四大顶会」，囊括了当年最先进的体系结构成果，被视作国际前沿体系结构研究的风向标，见证了诸多突破性成果的首次亮相，包括谷歌、英特尔、英伟达等企业在半导体领域的多项技术创新。
………………………………
