APRIS：一种基于ReRAM（相变随机存取存储器）的近似处理架构，旨在实现由人工智能驱动的边缘计算

《IEEE Transactions on Emerging Topics in Computing》：APRIS: Approximate Processing ReRAM In-Sensor Architecture Enabling Artificial-Intelligence-Powered Edge

低功耗智能视觉传感器设计，采用软硬件协同的APRIS系统，通过高并行模拟乘积累加架构和近似ADC实现能效提升，利用八存储器银行和零跳过机制降低功耗，在3.48 TOP/s/W效率下保持分类精度。

　　

摘要：

基于人工智能的边缘设备激发了对始终在线、智能且自供电的视觉感知系统的兴趣。由于将原始数据转换为可用形式的高能耗以及有限的计算和能源资源，设计节能且低带宽的CMOS视觉传感器至关重要，因为这些新兴系统需要持续感知和即时处理。本文提出了一种低功耗的集成感知与计算引擎APRIS，其中包括一种新颖的软硬件协同设计技术。该方法采用了一种高度并行的模拟乘法和像素内累加方案，实现了低精度量化的权重神经网络，从而减少了模数转换器和模拟缓冲器的开销。此外，为了减小尺寸和功耗，我们在读出电路中实现了近似ADC。我们的系统利用八个内存银行来提高计算并行性，这对系统的速度和效率有着显著影响。此外，所提出的结构支持零跳跃方案以进一步降低功耗。我们的电路到应用的协同仿真结果表明，我们的平台在各种对象分类任务上的准确性与全精度基线相当，同时达到了约3.48 TOp/s/W的效率。

引言

边缘人工智能（Edge AI）已迅速发展成为现代技术生态系统的一个重要组成部分，从根本上重塑了我们处理数据以及与数字环境交互的方式。这项技术的重要性不容忽视，因为它突破了传统基于云的AI的局限，朝着更加本地化、低延迟和节能的方向发展。边缘AI的出现带来了一种范式转变，即在数据源附近或直接在传感器内部进行处理。这一转变主要得益于物联网（IoT）设备的激增，这些设备产生了大量的数据。随着我们站在一个充满数十亿互联智能设备的世界边缘，对边缘处理的需求变得越来越迫切。这些变化开启了基于传感器的处理时代，传感器不仅能够捕获数据，还具有处理数据的能力。这种在传感器附近进行处理的能力对隐私、速度、带宽和能耗产生了重大影响。通过在本地处理数据，消除了将大量原始数据传输到云的需求，从而更高效地利用了网络资源，并大幅降低了延迟。传感器在边缘处理数据的能力提高了实时应用的响应速度，使其更加高效和可靠。从自动驾驶汽车和无人机到智能家居系统和可穿戴技术，边缘处理增强了这些应用的功能性。