MambaOPU：面向基于状态空间对偶的 Mamba 模型的 FPGA 覆盖处理器

基于摘要分析。本文研究 Mamba2 中基于状态空间对偶（SSD）的计算加速问题，提出 FPGA 覆盖处理器 MambaOPU，通过算子融合、结构化稀疏计算跳过及可重配置脉动阵列，降低访存开销并提高计算效率；主要贡献是硬件架构与执行优化，而非新的模型训练或神经信号解码方法。 机制方面，作者将 SSD 的效率瓶颈归因于不规则广播逐元素乘法和结构化稀疏计算。软硬件协同算子融合框架包含两项操作：operator merging 将相邻广播乘法与求和操作合并为单一描述符；operator backward shifting 将分段乘法嵌入后续操作，以缩短计算路径。针对稀疏计算，tensor-reorder-and-group 算法与 sparse-predefined data fetcher 配合，跳过零值区域计算。此外，可重配置脉动阵列用于适配 Mamba 中线性运算与 SSD 的不同计算模式，提高数据复用。 结果方面，在与 Intel Xeon Gold 6348 CPU 和 NVIDIA A100 GPU 的比较中，作者报告归一化吞吐量最高分别提升至对照的 1812 倍和 880.79 倍，能效最高分别提升至对照的 12908 倍和 24.27 倍。这些数值对应摘要所述归一化吞吐量与能效，不能直接解释为端到端推理加速。FPGA 型号、归一化定义、模型规模、序列长度、数值精度、批量大小、功耗计量边界及基线实现尚未验证，实验协议、消融及统计信息亦尚未验证。 平台推测（待验证）：若 EEG 解码系统采用相同 SSD 运算结构，该架构可能用于优化部署阶段的访存与能耗，但原领域加速不等于 BCI 有效性。可复用部分是算子融合与零值区域跳过策略；需改造部分包括 EEG 模型的算子映射、输入形状及数值精度。短序列、小批量与低通道数可能使调度开销抵消收益，低信噪比及跨被试差异仍需解码模型处理。一个可检验的小实验是固定已训练 EEG Mamba2 模型，在相同输入、精度和批量条件下比较原实现与 FPGA 映射的输出一致性、端到端延迟及能耗，并核对任务指标是否保持。已有 EEG 相关工作尚未检索确认。