Design of a 6-bit Threshold Inverter Quantization (TIQ) Flash Analog to Digital Converter (ADC)
本文设计基于TIQ比较器的6位Flash ADC,采用0.25μm CMOS与胖树编码器,仿真给出两种输入频率下的功耗和延迟。
2025-01-08 cs.AR
A Resolution-Adaptive 8 mm$^\text{2}$ 9.98 Gb/s 39.7 pJ/b 32-Antenna All-Digital Spatial Equalizer for mmWave Massive MU-MIMO in 65nm CMOS
全数字毫米波(mmWave)大规模多用户多输入多输出(MU-MIMO)接收器能够实现极高的数据速率,但需要高功耗。为了降低功耗,本文提出了第一个分辨率自适应全数字接收机ASIC,能够调整数据转换器和基带处理引擎的分辨率,以瞬时通信的情况。这款可扩展的32天线、65 nm CMOS接收器总面积为8 mm $^\text{2}$,集成了具有可编程增益和分辨率的模数转换器(ADC)、波束空间信道估计以及分辨率自适应内存处理空间均衡器。利用6位ADC采样和4位空间均衡器,我们的ASIC实现了9.98 Gb/s的吞吐量,同时比最先进的设计至少高出2倍的能效。
2021-07-23 cs.AR eess.SP
12-bit Delta-Sigma ADC operating at a temperature of up to 250C in Standard 0.18 $μ$m SOI CMOS
本文提出一种采用标准0.18 μm SOI CMOS工艺的12位Delta-Sigma模数转换器,通过泄漏补偿、时钟升压和架构优化,在250°C下实现93 dB信噪比和140 dB Schreier品质因数,适用于油气开采和航空等高温场景。
2024-12-31 cs.AR eess.SP
A 68 uW 31 kS/s Fully-Capacitive Noise-Shaping SAR ADC with 102 dB SNDR
本文介绍了一种17位模数转换器,它将失配和量化噪声整形技术集成到一个节能的10位逐次逼近量化器中,使动态范围再增加42 dB。我们提出了一种新型的全电容拓扑结构,它允许高速异步转换与背景校准计划,以减少10倍的过采样要求相比,现有技术。一个0.18微米的CMOS技术被用来证明初步的仿真结果,连同分析措施,优化参数和拓扑结构的选择。所提出的系统能够实现183 dB的FoMS的最大信号带宽为15.6 kHz,而从1.8 V电源耗散68 uW。对于该速率和0.201 mm^2面积要求,峰值SNDR为102 dB。
2019-03-20 cs.AR
Physically unclonable function using initial waveform of ring oscillators on 65 nm CMOS technology
使用环形振荡器(RO)的硅物理不可克隆功能(PUF)具有易于在专用集成电路(ASIC)和现场可编程门阵列(FPGA)两者中应用的优点。在这里,我们提供了一个RO-PUF使用基于65 nm CMOS技术的RO的初始波形。与传统的RO-PUF相比,RO的数量大大减少,并且生成ID所需的时间在几个系统时钟内。
2017-02-10 cs.AR cs.CR
A 33.6-136.2 TOPS/W Nonlinear Analog Computing-In-Memory Macro for Multi-bit LSTM Accelerator in 65 nm CMOS
Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院)
本文提出一种65纳米CMOS工艺的LSTM加速器,通过非线性在内存计算宏单元实现高能效的多比特权重操作,提升系统能效和面积效率。
2025-12-06 cs.AR
G-GPU: A Fully-Automated Generator of GPU-like ASIC Accelerators
现代片上系统(SoC)几乎通常需要加速器来实现特定任务的能效和高性能,这些任务不一定非常适合在标准处理单元中执行。考虑到广泛的应用和专业化的必要性,SoC的设计因此变得更具挑战性。在本文中,我们提出了G-GPU的概念,G-GPU是一种通用的GPU加速器,它不是特定于应用程序的,但仍然在能效和吞吐量方面具有优势。此外,我们已经确定了ASIC中这些加速器的现有差距,没有已知的自动生成平台/工具。我们的解决方案,称为GPUPlanner,是一个开源的加速器生成器,从RTL到GDSII,解决了这个差距。我们的分析结果表明,与流行的CPU架构RISC-V相比,我们自动生成的G-GPU设计非常高效,原始性能的速度提升高达223倍,当度量标准是按面积降低性能时,速度提升高达11倍。这些结果是通过执行类似GPU的加速器的设计空间探索来实现的,其中存储层次结构以智能方式被打破,逻辑按需流水线化。最后给出了G-GPU在65 nm CMOS上的流片版图。
2021-12-06 cs.AR
Designer-Driven Topology Optimization for Pipelined Analog to Digital Converters
本文提出了一种实用的“混合”综合方法,它集成了设计师推导的分析模型,系统级的描述与仿真为基础的模型在电路级。我们展示了如何优化级分辨率,以最大限度地降低流水线ADC的功耗。几种ADC配置的探索(通过详细的综合)被用来表明,4-3-2...对于采用0.25 $μ$ m CMOS工艺的13位40 MSPS转换器,分辨率分布使用的功耗最低。
2007-10-25 cs.AR
Fully Digital Second-order Level-crossing Sampling ADC for Data Saving in Sensing Sparse Signals
本文提出了一种用于实时数据压缩和特征提取的全集成二阶电平交叉采样数据转换器。与在固定电压电平采样的电平采样ADC相比,所提出的电路使用线性外推来更新跟踪阈值,从而形成具有倾斜采样电平的二阶跨电平采样ADC。计算是数字化的,并通过修改传统SAR ADC的数字控制逻辑来实现。系统仅选择输入波形中的转折点进行量化。所提出的数据转换器的输出包括所选择的采样点的数字值和所选择的采样点之间的时间戳。其主要优点是数据转换器和后续数字信号处理或通信电路的数据节省和功耗节省,非常适合低功耗传感器。测试芯片采用180nm CMOS工艺制作。与传统的SAR ADC相比,所提出的ADC节省了30%,并实现了6.17的压缩因子用于跟踪ECG信号。
2022-12-17 cs.AR eess.SP
A Low-Latency ASIC Architecture for Real-Time Line Segment Detection
School of Computer Engineering, Iran University of Science and Technology(伊朗理工大学计算机工程学院);Electrical, Computer, and Systems Engineering Department, Case Western Reserve University(凯斯西储大学电气、计算机和系统工程系)
针对嵌入式视觉线段检测的资源受限问题,提出基于步长算法的低延迟ASIC架构,经45nm工艺验证,功耗与帧率表现优于同类Line Hough Transform方案,适配边缘计算实时需求。
2026-08-10 cs.AR
Embedded FPGA Developments in 130nm and 28nm CMOS for Machine Learning in Particle Detector Readout
SLAC National Accelerator Laboratory(SLAC国家加速器实验室);Stanford University(斯坦福大学)
本研究利用开源FABulous框架在130nm和28nm CMOS节点设计并制造了eFPGA,通过模拟高能粒子穿过硅像素传感器验证其作为前端读出芯片的能力,并成功在eFPGA上配置机器学习分类器实现完美精度的数据源减少,为对撞机实验提供了低功耗、高效率且可重构的解决方案。
2024-08-28 cs.AR cs.LG physics.ins-det
Energy Efficient and High Performance Current-Mode Neural Network Circuit using Memristors and Digitally Assisted Analog CMOS Neurons
新兴的纳米级可编程电阻RAM(RRAM)已被确定为实现大脑启发计算硬件的有前途的技术。几种神经网络结构,本质上涉及输入数据向量和存储的网络权重之间的标量积的计算,可以使用与CMOS集成的RRAM的高密度交叉棒阵列来有效地实现。在这样的设计中,CMOS接口可以负责提供输入激励和处理RRAM输出。为了在基于RRAM的神经形态硬件中实现高能量效率以及高集成密度,RRAM-CMOS接口的设计因此可以发挥主要作用。在这项工作中,我们提出了高性能的设计,电流模式CMOS接口的RRAM为基础的神经网络设计。采用电流模式激励作为输入接口,数字辅助电流模式CMOS神经元电路作为输出接口。所提出的技术实现了10倍的能量,以及在文献中采用的传统方法的性能改进。网络级仿真表明,该方案可以实现2个数量级的低能耗相比,数字ASIC实现的前馈神经网络。
2015-12-01 cs.AR cs.ET
A Charge Domain P-8T SRAM Compute-In-Memory with Low-Cost DAC/ADC Operation for 4-bit Input Processing
Korea University(高丽大学)
本文提出了一种基于PMOS的低成本8 T(P-8 T)SRAM存储器计算(CIM)结构,该结构能有效地实现4位输入激活与8位权值之间的乘法累加(MAC)运算。首先,位线(BL)电荷共享技术被用来设计低成本和可靠的数模转换的4位输入激活在拟议的SRAM CIM,其中的电荷域模拟计算提供变化容忍和线性MAC输出。16个局部阵列也被有效地利用来实现模拟乘法单元(AMU),该模拟乘法单元在4位输入激活和1位权重之间同时产生16个乘法结果。为了在不牺牲DNN精度的前提下降低ADC的硬件成本,进行了硬件感知系统仿真,以确定建议的CIM宏中ADC的位分辨率和激活行的数量。此外,在ADC操作中,利用基于AMU的基准列产生ADC基准电压,并以此设计了低成本的4位粗精Flash ADC。采用28 nm CMOS工艺的256 X80 P-8 T SRAM CIM宏实现表明,该CIM对CIFAR-10和CIFAR-100数据集的准确率分别为91.46%和66.67%,能量效率为50.07-TOPS/W。
2022-11-29 cs.AI cs.AR
Compute SNR-Optimal Analog-to-Digital Converters for Analog In-Memory Computing
针对模拟存内计算中ADC高能耗限制能效的问题,提出基于计算信噪比(CSNR)的解析表达式与CACTUS算法以获取CSNR最优ADC参数,在降低3b精度的同时提升6dB CSNR。
2025-07-15 cs.AR eess.SP
A Novel ASIC Design Flow using Weight-Tunable Binary Neurons as Standard Cells
Arizona State University(亚利桑那州立大学);Texas A&M University(得克萨斯农工大学)
在本文中,我们描述了一个混合信号电路的二进制神经元(又名感知器,阈值逻辑门)的设计和自动嵌入ASIC中的细胞的方法。被称为FTL(闪存阈值逻辑)的二进制神经元使用浮置栅极或闪存晶体管,其阈值电压用作神经元的权重的代理。提出了用于将权重映射到闪存晶体管阈值电压的算法。阈值电压的确定是为了最大限度地提高单元的鲁棒性和速度。与传统的CMOS逻辑等效器件相比,单个FTL单元的性能、功耗和面积显着更小(79.4%),功耗更低(61.6%),运行速度更快(40.3%)。还包括的架构和算法编程的闪存设备的FTL。FTL单元被实现为标准单元,并且被设计为允许商业合成和P&R工具在ASIC的合成中自动使用它们。通过FTL单元的自动嵌入,在不牺牲性能的情况下大幅减少了面积和功耗,并在几个ASIC基准测试中得到了证明。本文还演示了如何FTL细胞可用于固定制造后的定时误差。
2022-04-17 cs.AR cs.ET cs.LG
MF-Net: Compute-In-Memory SRAM for Multibit Precision Inference using Memory-immersed Data Conversion and Multiplication-free Operators
我们提出了一种用于深度神经网络(DNN)的内存计算推理的协同设计方法。我们使用基于ell_1范数的无乘法函数逼近器以及自适应处理阵列和计算流程。使用该方法,我们克服了SRAM内DNN处理的当前技术中的许多缺陷,诸如在每个操作SRAM行/列处需要数模转换器(DAC)、需要高精度模数转换器(ADC)、对多位精度权重的有限支持以及有限的向量规模并行性。我们的自适应实现可无缝扩展到多位精度权重,不需要DAC,并且可以轻松扩展到更高的向量规模并行性。我们还提出了一种SRAM浸没式逐次逼近型ADC(SA-ADC),利用SRAM阵列位线的寄生电容作为容性DAC。由于SA-ADC的主要面积开销来自其容性DAC,因此通过利用SRAM阵列的固有寄生,我们的方法允许SRAM内SA-ADC的低面积实现。我们的8 $\times$ 62 SRAM宏需要一个5位ADC,在45 nm CMOS工艺下实现了$\sim$ 105 tera/s/W(TOPS/W)的运算速度,并具有8位输入/权重处理能力。
2021-01-29 cs.AR cs.SY eess.SY
Dynamic Predictive Sampling Analog to Digital Converter for Sparse Signal Sensing
本文提出了一种基于动态预测采样(DPS)的模数转换器(ADC),它对输入的模拟连续时间信号进行非均匀采样。处理单元使用两个先前量化的采样来计算上阈值和下阈值的数字值,从而生成输入信号的动态预测。将数字阈值转换为模拟阈值以形成跟踪窗口。比较器将输入模拟信号与跟踪窗口进行比较,以确定预测是否成功。计数器记录不成功预测之间的时间戳,这些时间戳是用于量化的所选采样点。对于成功预测的采样点不执行量化,从而可以节省数据吞吐量和功率。所提出的电路被设计为10位ADC,使用0.18微CMOS工艺在1 kHz采样。结果表明,该系统可以实现6.17的数据压缩因子和31%的功耗因子相比,奈奎斯特速率SAR ADC的心电监护。
2022-11-17 cs.AR eess.SP
Co-design of a novel CMOS highly parallel, low-power, multi-chip neural network accelerator
Green Mountain Semiconductor Inc.(绿山半导体公司);Non-Von LLC(Non-Von有限责任公司);Dartmouth College(达特茅斯学院)
本文提出NV-1低功耗ASIC AI处理器,采用非冯·诺依曼多并行处理器-内存架构,实现并行处理加速超10倍、能耗降低超100倍,并通过软硬件协同设计与数字孪生验证,已成功应用于边缘传感器。
2024-09-28 cs.AI cs.AR cs.DC