63、低功耗神经形态VLSI实现与物联网节能建议

低功耗神经形态VLSI实现与物联网节能建议

1. 低功耗神经形态VLSI实现

在FPGA上实现了脉冲神经网络（SNN），对神经计算硬件单元（NCHU）、SRAM和SNN本身进行了参数测量和分析，使用了Cyclone II、III，Stratix II和III等不同的FPGA套件。

1.1 实验结果

以下是不同FPGA套件在NCHU、SRAM和SNN中的参数分析表格：
| FPGA家族 | 设备 | LUT（可用） | LUT（使用） | LUT利用率(%) | 核心动态功耗(mW) | 核心静态功耗(mW) | I/O热功耗(mW) | 总热功耗(mW) | 延迟(nS) |
| — | — | — | — | — | — | — | — | — | — |
| NCHU - Cyclone II (90 nm) | EP2C5F256C6 | 4608 | 133 | 3 | 13.45 | 18.11 | 49.17 | 80.72 | 6.747 |
| NCHU - Cyclone III (65 nm) | EP3C5F256C6 | 5136 | 133 | 3 | 12.21 | 46.17 | 34.53 | 92.91 | 5.627 |
| NCHU - Stratix II (90 nm) | EP2S15F484C3 | 12480 | 69 | <1 | 25.6 | 303.82 | 76.8 | 406.22 | 5.057 |
| NCHU - St