Page 371 - 《软件学报》2025年第10期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2025,36(10):4768−4791 [doi: 10.13328/j.cnki.jos.007420] [CSTR: 32375.14.jos.007420] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
BIVM: 类脑计算编译框架及其原型研究

杨 乐 1,2 , 刘晓义 1,2 , 李广力 3 , 渠 鹏 1,2 , 崔慧敏 3 , 张悠慧 1,2,4

1
(清华大学 计算机科学与技术系, 北京 100084)
2
(清华大学 北京信息科学与技术国家研究中心, 北京 100084)
3
(中国科学院 计算技术研究所, 北京 100190)
4
(中关村实验室, 北京 100094)
通信作者: 张悠慧, E-mail: zyh02@tsinghua.edu.cn
摘 要: 各类新型架构的类脑计算芯片正不断涌现, 类脑神经网络训练/学习算法和高效的生物神经网络仿真也是
研究热点. 但如何在架构迥异的类脑计算芯片上优化运行计算/访存特征不同的类脑应用是关键难点, 也是建立类
脑计算良好生态环境的重点, 而通用计算领域的繁荣生态已经表明, 一个灵活、可扩展、可复用的编译框架是解
决这一问题的有效途径. 为此提出 BIVM, 一个类脑计算编译框架及其验证原型. BIVM 基于领域定制化体系结构
(domain specific architecture, DSA) 的多层中间表示 (multi-level intermediate representation, MLIR) 框架, 设计了为
类脑神经网络定制的多层 IR, 包括脉冲神经网络方言 (高层 IR)、由 MLIR 内置方言为主组成的中间层 IR 和各类
芯片的底层 IR. 针对不同类脑芯片的体系结构跨度很大且其提供的硬件功能粒度不一等问题, BIVM 充分利用
MLIR 的 progressivity 特性, 所设计的 IR 能够混合不同的抽象层次和概念 (比如混合细粒度指令与某些后端的以
交叉开关结构为运算主体的粗粒度运算), 从而能够复用软件模块、简化开发; 在此基础上, 在多层 IR 的递降转换
中灵活组合不同级别的编译优化方法, 包括被广泛采纳的 SNN 特定优化技术 (如计算稀疏性挖掘与时空并行度挖
掘) 和适配目标硬件的底层优化技术, 以实现不同后端上的高性能. 目前, BIVM 原型支持的后端有通用处理器 (控
制流架构)、具有控制流/数据流混合架构的脉冲神经网络加速芯片 (FPGA), 以及基于 ReRAM (resistive random-
access memory, 阻变存储器) 的数据流架构类脑芯片 (软件仿真), 能够将智能应用与生物神经网络仿真应用优化编
译为适配不同架构芯片的执行程序. 随后, 进行编译技术适配性分析与性能比较, 结果表明该类框架在编译高生产
力、高可移植性、高性能方面具有良好潜力.
关键词: 类脑计算; 编译框架; 类脑计算芯片
中图法分类号: TP18

中文引用格式: 杨乐, 刘晓义, 李广力, 渠鹏, 崔慧敏, 张悠慧. BIVM: 类脑计算编译框架及其原型研究. 软件学报, 2025, 36(10):
4768–4791. http://www.jos.org.cn/1000-9825/7420.htm
英文引用格式: Yang L, Liu XY, Li GL, Qu P, Cui HM, Zhang YH. BIVM: Compilation Framework for Brain-inspired Computing and
Prototype Research. Ruan Jian Xue Bao/Journal of Software, 2025, 36(10): 4768–4791 (in Chinese). http://www.jos.org.cn/1000-9825/
7420.htm
BIVM: Compilation Framework for Brain-inspired Computing and Prototype Research

1,2
1,2
1,2
3
3
YANG Le , LIU Xiao-Yi , LI Guang-Li , QU Peng , CUI Hui-Min , ZHANG You-Hui 1,2,4
1
(Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China)
2
(Beijing National Research Center for Information Science and Technologu, Tsinghua University, Beijing 100084, China)
3
(Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China)

* 基金项目: 国家自然科学基金面上项目 (62072266); 国家自然科学基金原创探索计划 (62250006); 国家自然科学基金青年科学基金
(62202254); 北京信息科学与技术国家研究中心青年创新基金 (BNR2022RC01003)
收稿时间: 2023-05-22; 修改时间: 2023-08-01, 2024-10-24; 采用时间: 2025-02-25; jos 在线出版时间: 2025-07-23
CNKI 网络首发时间: 2025-07-23