F3D：利用 ReRAM 在频域加速三维卷积神经网络

基于摘要分析。本文面向视频分析中的 3D CNN 加速，提出基于阻变随机存取存储器（ReRAM）的频域存内计算加速器 F3D，旨在减少传统频域专用加速器因存储层次组织产生的数据搬移与能耗。 其机制是利用 FFT 将卷积转化为频域逐元素乘法，并在 ReRAM 交叉阵列中直接支持频域复数乘法；进一步通过数据复用及频域输入的固有对称性，降低复数乘法过程中的冗余数据搬移。主要贡献属于硬件架构与数据组织优化，而非新的神经信号解码算法。 作者报告，F3D 相较先进加速器在性能和能效方面均有显著提升。摘要未提供具体数值、对照加速器、模型与数据集、硬件配置或评估方式，因此尚不能判断收益的适用范围，也无法核对 FFT 开销、存储访问及 ReRAM 非理想因素如何计入评估；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 视频联合分析或其他 BCI 任务确实采用具有规则张量结构的 3D CNN，该加速机制可能用于降低推理计算和搬移成本；需适配输入布局、卷积尺寸、数值精度与器件映射，不能直接推断其能改善解码准确率。小数据量、低信噪比或通道布局变化可能限制原模型的适用性，小规模张量则可能使 FFT 和搬移开销抵消加速收益。可先固定同一 EEG 3D CNN 与评估划分，对比直接卷积和频域实现的端到端延迟、能耗及数值误差，再判断是否值得开展 ReRAM 映射。相关 EEG 工作尚未检索确认。