一种用于片上网络的拥塞感知哈密尔顿最短路径路由算法

摘要：

类脑处理器能够支持多种脉冲神经网络SNN的部署来完成多种任务.片上网络NoC能够用较少的资源和功耗解决片上复杂的互连通信问题.现有的类脑处理器多采用片上网络来连接多个神经元核,以支持神经元之间的通信.SNN在时间步内瞬时突发的通信会在短时间内产生大量的脉冲报文.在这种通信行为下,片上网络会在短时间内达到饱和,造成网络拥塞.片上网络中非拥塞感知路由算法会进一步加剧网络拥塞状态,如何在每一个时间步内有效处理这些数据包,从而降低网络延迟,提高吞吐率,成为了目前需要解决的问题.首先对SNN的瞬时猝发通信特性进行了分析;然后提出一种拥塞感知的哈密尔顿路径路由算法,以降低NoC平均延迟和提高吞吐率;最后,使用Verilog HDL实现该路由算法,并通过模拟仿真进行性能评估.在网络规模为16×16的2D Mesh结构的片上网络中,相对于没有拥塞感知的路由算法,在数量猝发模式和概率猝发模式下,所提出的拥塞感知路由算法的NoC平均延迟分别降低了13.9％和15.9％;吞吐率分别提高了21.6％和16.8％.

关键词：类脑处理器、片上网络、哈密尔顿路径、路由算法、拥塞感知

所属期刊栏目：44

分类号：TP393.03(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFB2202603

在线出版日期：2022-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：986-993