[发明专利]计算装置及其鲁棒性处理方法

说明书

一种计算装置及其鲁棒性处理方法。该计算装置的鲁棒性处理方法包括：基于目标算法模型的模型参数，得到模型参数与第一计算忆阻器阵列的映射关系；基于决定关键权重器件的影响因子，确定由影响因子得到多个忆阻器器件的权重关键度的方式；获得算法模型的输入集，根据前述方式，确定多个忆阻器器件中每个的关键度值；根据多个忆阻器器件中每个的关键度值，在多个忆阻器器件中确定关键权重器件；基于关键权重器件，对第一处理单元进行优化处理。该方法通过对关键的部分忆阻器器件进行针对性的鲁棒性提升，实现低成本、高鲁棒的计算装置。

技术领域

本公开的实施例涉及一种计算装置及其鲁棒性处理方法。

背景技术

基于忆阻器的存算一体技术有望突破经典计算系统的冯诺依曼架构瓶颈，带来硬件算力、能效的爆发式增长，进一步促进人工智能的发展和落地，是最具潜力的下一代硬件芯片技术之一。国内外企业、科研单位都投入大量人力物力，经过近十年的发展后，基于忆阻器的存算一体技术已逐渐从理论仿真阶段进入实际芯片、系统的原型演示阶段。

发明内容

本公开至少一实施例提供一种计算装置的鲁棒性处理方法，计算装置包括至少一个处理单元，至少一个处理单元包括第一处理单元，第一处理单元包括第一计算忆阻器阵列，第一计算忆阻器阵列包括多个排列为阵列的多个忆阻器器件，该方法包括：基于目标算法模型的模型参数，得到模型参数与第一计算忆阻器阵列的映射关系；基于决定关键权重器件的影响因子，确定由影响因子得到多个忆阻器器件的权重关键度的方式；获得算法模型的输入集，根据前述方式，确定多个忆阻器器件中每个的关键度值；根据多个忆阻器器件中每个的关键度值，在多个忆阻器器件中确定关键权重器件；基于关键权重器件，对第一处理单元进行优化处理。

例如，在本公开至少一实施例提供的计算装置的鲁棒性处理方法中，关键权重包括与第一处理单元的硬件无关的第一关键权重，决定关键权重器件的影响因子包括至少一个第一子影响因子，基于决定关键权重器件的影响因子，确定由影响因子得到多个忆阻器器件的第一权重关键度的方式，包括：基于至少一个第一子影响因子，确定由第一子影响因子得到多个忆阻器器件的第一权重关键度的方式。

例如，在本公开至少一实施例提供的计算装置的鲁棒性处理方法中，至少一个第一子影响因子包括多个忆阻器器件各个的重要程度因子和/或影响第一处理单元的可靠性的风险因子。

例如，在本公开至少一实施例提供的计算装置的鲁棒性处理方法中，多个忆阻器器件各个的重要程度因子包括多个忆阻器器件各个的电导值或接收到的输入值；影响第一处理单元的可靠性的风险因子包括第一处理单元的硬件特征或算法任务特征。

例如，在本公开至少一实施例提供的计算装置的鲁棒性处理方法中，基于至少一个第一子影响因子，确定由第一子影响因子得到多个忆阻器器件的第一权重关键度值的方式，包括：

通过公式(1)：计算对于第一计算忆阻器阵列内的任一忆阻器器件R对于输入值x_i的第一权重关键度值，其中，f1_i为忆阻器器件R对于输入值x_i的第一权重关键度值，g为忆阻器器件R的电导值，p指代第一处理单元或第一计算忆阻器阵列，x_i为第i次操作中对于忆阻器器件R的输入值，r(g)为电导值为g时的可靠性风险系数，r_p为第一处理单元或第一计算忆阻器阵列的模型风险，α为对应于重要程度因子的超参数，β为对应于风险因子的超参数。

例如，在本公开至少一实施例提供的计算装置的鲁棒性处理方法中，基于至少一个第一子影响因子，确定由第一子影响因子得到多个忆阻器器件的第一权重关键度值的方式，还包括：对于忆阻器器件R，将得到的第一输入集内的所有输入值的第一权重关键度值进行累加，得到忆阻器器件R的最终第一权重关键度值。

例如，在本公开至少一实施例提供的计算装置的鲁棒性处理方法中，基于至少一个第一子影响因子，确定由第一子影响因子得到多个忆阻器器件的第一权重关键度的方式，还包括：通过对用于算法模型的训练集进行均匀采样得到第一输入集。