COPPER:具有存内计算架构的组合优化问题求解器(英文) |
| |
作者姓名: | 汪乾坤 李星辰 吴秉哲 杨可 胡炜 孙广宇 杨玉超 |
| |
作者单位: | 1. 北京大学软件与微电子学院;2. 北京大学计算机学院;3. 北京大学集成电路学院;4. 腾讯人工智能实验室;5. 福州大学物理与信息工程学院;7. 北京智源人工智能研究院 |
| |
基金项目: | Project supported by the National Natural Science Foundation of China (Nos. 61832020, 62032001, 92064006, and 62274036);;the 111 Project of China (No. B18001); |
| |
摘 要: | 组合优化问题(combinatorial optimization problem,COP)是一类在离散空间中寻找最优解的数学问题,具有广泛的应用。然而,许多组合优化问题是NP完全的,随着问题规模的增加,解决问题所需的时间急剧增加,这促使研究人员寻求更快速的解决方法,即使解不一定是最优的,如近似算法、启发式算法和机器学习算法等。一些先前的工作基于Hopfield神经网络提出了混沌模拟退火(chaoticsimulatedannealing,CSA),并取得了良好的表现。然而,CSA的计算模式对当前的通用处理器并不友好,且没有专用的计算硬件。为了高效地执行CSA,我们提出一种软硬件联合的设计方案。在软件方面,我们使用适当的位宽对权重和输出进行量化,并修改那些不适合硬件实现的计算模式。在硬件方面,我们设计了一种基于忆阻器的专用存内计算硬件架构COPPER。COPPER能够高效地运行修改后的量化CSA算法,并支持流水线以获得进一步加速。结果表明,COPPER在执行CSA算法时,速度和能耗方面都十分出色。
|
关 键 词: | 组合优化问题 混沌模拟退火 存内计算 |
|