面试官你好。很激动能有机会参加此次面试。我叫吴中行,江苏苏州人。本科毕业于东南大学电子科学与工
程学院物联网专业。2021 年,免试进入东南大学微电子学院集成电路工程读研,2024 年毕业。
我获得过多次综合性荣誉,三好学生等和专业竞赛国家级奖项,有一定的 IC 设计经验,掌握基本设计工具的
使用。我担任过班长、团支书、党支书,有着良好的沟通能力,擅长团队合作。我也有良好的阅读和文档撰写能
力,已通过大学英语六级考试。渴望能顺利通过面试,进入贵公司工作,有机会、有平台施展我的才能。
项目名称是:基于卷积神经网络的高能效心律检测 SoC 芯片设计。我主要从算法设计、RTL Design、综合仿
真后端实现,三个方面来讲;围绕软硬件协同设计和低功耗两个点。
算法方面:首先基于 pytorch 搭建和训练了用于 ECG 心电信号心率失常检测的 CNN 网络。探索网络模型的拓
扑结构,并将权重和激活量化到 8bit,模型大小仅为压缩前的 26%。实现 17 分类心率不齐检测,精度 96.78%。
RTL Design
方面:设计了基于芯来蜂鸟 E203 RISC-V 处理器的 SOC 系统和基于脉动阵列的加速器模块。首先,
通过串口和设备总线将采集并完成模数转换的 ECG 数据存进 SRAM 中,其次,加速器模块采用 AXI 总线挂在
SOC 系统上,将数据搬到 AI 加速器模块进行推理加速,最后,通过软硬件协同的设计方法,完成加速器模块内部
更为精简的参数访问策略和卷积计算脉动阵列结构来优化数据流,进一步降低功耗。
综合仿真后端实现方面:综合采用 SMIC 40nm 工艺。SRAM 采用 Memory Compiler 生成。AI block 时钟
2MHz 满足芯片应用需求。配合同学完成 UVM 验证工作。并使用 Tempus 完成 STA,无时序违例。综合后,
Formality 形式验证,一致性检查通过。后端使用 Innovus,实现了 SoC 系统的 floorplan,布局,CTS,布线,以及
DRC check。以及对应阶段的后仿。2023 年 5 月,完成流片。
层次化的低功耗设计方法也可以分为这三个方面。算法上,探索合适的拓扑结构,平衡网络各层参数,采用
8bit 量化。RTL 设计时,在参数访问策略和数据流上做了优化,并预留了时钟门控,方便综合时插入。和后端实现
时,通过 UPF 文件加入了 Multi Power Domain 和 Power Switch,EDA 工具优化也以功耗为导向,替换低功耗 cell。
毕设名称:基于 FPGA 的二值化心电信号检测神经网络加速器设计。主要利用二值化的方法解决功耗问题以
及资源和带宽受限的问题。
主要工作包括(1)极低参数规模二值化 ECG 检测 CNN 网络设计。 (2)基于二值化的层折叠数据流优化设计。充
分利用低位宽的优势,将更多的数据放在接近计算单元的缓存之中,最大程度的重用输入和权重,从而减少数据
的反复搬运。(3)基于预计算与列卷积查找表的高能效计算单元设计。利用 FPGA 基本单元 LUT 的特性,设计高效
的卷积计算单元。针对二值化的数据特征(数据只有 1 和 0,可以作为查找表索引),设计适合的查找表大小,将
预计算与查表计算相互结合。二值化卷积神经网络正向推导过程中存在的冗余计算,可以采用查找表的方式来跳
过这些冗余计算,先把可能的结果预计算的方式存入查找表中,再以权重为索引查表寻找计算结果。以减少计算
功耗。
精度
推理时间
功耗
面积
总功耗
动态功耗
平均吞吐量
平均能效