HetSub：一种用于神经形态系统的异构多片上系统（Multi-NoC），配备可重构的长距离通信链路

《IEEE Transactions on Very Large Scale Integration (VLSI) Systems》：HetSub: A Heterogeneous Multi-NoC With Reconfigurable Long-Range Links for Neuromorphic Systems

　　针对神经形态硬件中静态功耗高的问题，提出轻量级异构多NoC架构，结合可重构长距离链路设计和启发式插入算法，优化网络利用率并减少延迟，实验显示面积减少16%，平均延迟提升38%，静态功耗降低58%。

　　

摘要：

片上网络（NoC）由于其出色的多核通信性能，在神经形态系统中得到了广泛应用。然而，高能耗对NoC来说是一个严峻的挑战，随着技术节点的进步，静态功耗成为了一个主要问题。在神经形态计算中，这一问题更为突出，因为神经形态计算可以从数据的稀疏性中获益。然而，当前的神经形态硬件中的NoC架构在静态功耗优化方面做得还不够。虽然可以将传统的多核处理器解决方案（结合了功率门控（PG）和多个NoC（Multi-NoC））应用于神经形态硬件，但仍存在一些限制，例如串行化延迟和低网络利用率。在本文中，我们提出了一种轻量级的异构Multi-NoC架构，该架构利用神经形态计算的局部性来提高网络利用率，避免串行化延迟，并降低功耗。为了解决低流量情况下全局数据包通信距离过长的问题，我们进一步提出了一种可重构的长距离链路设计和一种启发式的长距离链路插入算法。通过利用PG子网络中的空闲带宽资源作为捷径，我们有效降低了延迟。此外，我们的设计支持全局可重构性，以适应各种应用场景。实验结果表明，我们提出的架构优于现有的Catnap架构，在实际应用工作负载下，实现了16%的面积节省、38%的平均数据包延迟降低以及58%的静态功耗减少。

引言

神经形态计算因其存储和计算的集成特性，被认为是解决冯·诺依曼瓶颈的关键方法。片上网络（NoC）作为分布式多核架构中的关键通信基础设施，在神经形态硬件设计中得到了广泛使用。与传统通过竞争方式共享通信资源的总线不同，NoC中的多个路由器会导致更高的开销。高功耗一直是NoC面临的一个重大挑战。功耗主要由切换产生的动态功耗和泄漏导致的静态功耗组成。随着工艺技术的进步和晶体管尺寸的缩小，静态功耗已成为一个主要问题，在22纳米节点时，静态功耗占总功耗的63%[1]，预计随着更先进技术节点的出现，这一趋势会变得更加严重。此外，神经形态系统的优势在于数据的稀疏性[2]，这种稀疏性通过事件驱动的处理来减少动态功耗。这使得静态功耗问题变得越来越重要（在传统多核处理器中，通信功耗占总功耗的28%[3]，而在神经形态硬件中则占58.8%[4]）。