近日，2022级博士生王润泽（导师廖小飞教授）的论文“An Efficient GCN Accelerator Using 3D-Stacked Processing-In-Memory Architectures”被 IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems （TCAD） 期刊录用。

图卷积神经网络 (Graph Convolutional Networks，GCNs) 已经成为一种从关系数据中提取和分析有价值信息的有效模型。GCNs的主要优势在于卷积层的两个关键阶段:聚合和组合，这两个阶段共同决定了GCNs的推理时间。然而，GCNs的聚合阶段涉及大量不规则的内存访问，阶段之间也会产生冗余的数据移动开销，从而导致GCNs的推理计算受限于内存瓶颈。为解决这个问题，论文提出了基于3D堆叠内存的存内计算图神经网络加速器。该加速器采用远程合并策略，将本地顶点聚合中的不规则远程数据访问转换为规则的数据传输，显著减少了聚合阶段内存访问开销。同时，采用统一的计算单元交替执行聚合和组合操作，有效的减少了阶段间的数据移动。实验结果表明，相比于当前性能最好的方案，本加速器可以获得平均2.2倍的性能提升，同时降低了1.3倍的能耗开销。

IEEE TCAD主要关注包括模拟信号、数字信号和混合信号等在内的集成电路和系统计算机辅助设计领域最新的研究进展和技术，是中国计算机学会（CCF）推荐的A类期刊，每年刊出12 期，该期刊的影响因子为2.9。

（通讯员：王润泽）