English(EN) E-ReCON: An Energy- and Resource-Efficient Precision-Configurable Sparse nvCIM Macro for Conventional and Spiking Neural Edge Inference

新型计算内存宏提升边缘AI推理效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-20 05:18

研究人员开发了E-ReCON，这是一种新颖的计算内存（CIM）宏，专为边缘设备上的高效AI推理而设计。该宏利用紧凑的ReRAM位单元，能够为常规神经网络和脉冲神经网络执行乘法运算。该设计采用了交错加法器树以减少晶体管数量和功耗，从而实现高能效和低延迟。 AI

影响这种新型计算内存宏可以实现更强大、更节能的AI处理直接在边缘设备上进行。

排序理由该集群包含一篇详细介绍用于AI推理的新型硬件宏的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Santosh Kumar Vishvakarma · 2026-05-20 05:18

E-ReCON: An Energy- and Resource-Efficient Precision-Configurable Sparse nvCIM Macro for Conventional and Spiking Neural Edge Inference

This work presents E-ReCON, a 16 Kb energy and resource-efficient digital compute-in-memory (DCIM) macro based on a compact 3T1R ReRAM bitcell for edge-AI inference. The proposed bitcell occupies only 0.85 um^2 and supports reliable AND-based in-memory multiplication for both con…