摘要
随着数据量和计算量的大幅增加，大数据处理和人工智能遇到了前所未有的挑战。为了促进这些技术的发展，对高性能的通用计算引擎以及特定应用的集成电路的需求越来越高。同时，精确或高精度的计算并不总是必要的，一些小的误差不会对计算结果产生明显的影响。作为一种非精确计算方法，近似计算(ApproximateComputing,AC)被用于提高计算系统的性能。作为最基本的运算单元，近似乘法器的设计可以大幅提高整体系统的能效。 本文从乘法器的结构入手，分别设计出了低功耗和在硬件开销与计算精度上权衡的近似乘法器。本文的主要创新点和工作内容如下： 本文首先设计出一种高效的6-2压缩器，并结合部分积阵列截断的方式设计出低功耗的近似乘法器，随后将乘法器拓展为16位，并对所有设计与以往的设计进行硬件开销和精度的对比。实验结果表明，本文提出的8位乘法器有着更小的硬件开销，功率-延迟乘积(PDP)和能量-延迟乘积(EDP)分别平均降低了40%和43%，精度指标排在第四位。本文提出的16位乘法器与以往的设计相比，硬件开销是最低的，在PDP和EDP上分别降低了58%和62%。另外，在精度指标上，归一化平均误差距离(NormalizedMeanErrorDistance,NMED)比最新的设计降低了2.5%。 为了研究乘法器在硬件开销与精度权衡的问题，本文提出近似4-2压缩器并设计出一系列近似乘法器。实验结果表明，本文提出的大多数近似乘法器的硬件开销比以前的设计有了明显的降低，特别是M519，它的硬件性能最好，面积、功耗、PDP和EDP比以前的设计平均减少了61%，57%，67%和75%。在精度上，M726的NMED是最低的，在所有设计中排在第二位。使用品质因数(FigureofMerit，FOM)将PDP与NMED结合起来进一步评估电路性能。结果表明，本文提出的乘法器M627，M618，M564，M555，M546，M537，M528和M519的FOM值都比以往的优秀设计低，说明提出的设计在硬件开销和计算精度上取得了较好的权衡。 最后将提出的近似乘法器应用于图像乘法中，使用多组图片进行测试，所有电路的输出结果的峰值信噪比都大于30dB，平均结构相似度的值都接近1。结果表明本文提出的近似乘法器在实际应用中也有较好的性能。
NETL