论文提出可重构脉动阵列矩阵引擎

Mehdi Safarpour 在 arXiv 发布预印本论文（arXiv:2611.03503），提出一种可在脉动阵列与张量式结构间按操作重配置的矩阵引擎：通过多路选择器复用阵列内的乘累加单元和寄存器，并配合空间归约加法树与时间归约累加器。 论文称，SCALE-Sim 模拟显示，该引擎处理小型复值 PHY 内核时延迟最多降至原来的 1/7.5；在 DNN 负载上较原生脉动阵列执行最多加速 1.65 倍，内存访问仅小幅增加，并保留脉动阵列的内存访问优势。综合结果估算，可重构结构仅带来 8% 的功耗开销和 13.6% 的面积开销。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。