Investigating Energy Bounds of Analog Compute-in-Memory with Local Normalization
局部归一化的模拟存内计算的能量界研究
专题命中 长上下文与记忆 :LLM(abstract_cn)
AI总结 针对模拟存内计算中动态范围导致ADC能耗高的问题,提出增益范围MAC(GR-MAC)实现局部归一化,在35 dB SQNR下将输入动态范围提升4位而不增加能耗,并降低ADC分辨率需求1.5位。
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
局部归一化的模拟存内计算的能量界研究
专题命中 长上下文与记忆 :LLM(abstract_cn)
AI总结 针对模拟存内计算中动态范围导致ADC能耗高的问题,提出增益范围MAC(GR-MAC)实现局部归一化,在35 dB SQNR下将输入动态范围提升4位而不增加能耗,并降低ADC分辨率需求1.5位。