晨光
暗夜
晨光
极光
Bilingual Paper Reading · 中英对照精读

改进的近似计算模板：让近似加法器、乘法器面积更小

准大一 · 集成电路设计与集成系统 × AI 芯片 × EDA —— 近似逻辑综合精读材料
原文：arXiv:2509.06162 2025年9月7日发布 arXiv 预印本（cs.LG, cs.AR） 近似计算 × 逻辑综合 × 乘积共享模板 附英文摘要朗读音频

一、论文档案

英文标题An Improved Template for Approximate Computing
中文标题改进的近似计算模板：基于参数化乘积共享的近似逻辑综合
作者莫尔塔扎·礼萨利普尔, 弗朗切斯科·科斯塔, 马尔科·比亚西翁, 罗德里戈·奥托尼, 乔治·A·康斯坦丁尼德斯, 劳拉·波齐（机构未在素材中标注）
发布时间2025年9月7日（v1）｜分类：cs.LG（机器学习）、cs.AR（计算机体系结构）
原文链接arxiv.org/abs/2509.06162
一句话概括把 XPAT 的「朴素乘积和模板」升级为「参数化乘积共享模板」——模板参数与综合后面积强相关，相同误差下找到更小的加法器、乘法器电路。
💡 为什么选这篇给你：① 边缘 AI 芯片里塞满了小加法器、小乘法器，近似计算是「省面积省功耗」的实用手艺，直接对接集成电路设计；② 论文把「模板设计」这个抽象问题讲得很具体——模板参数可以当「电路面积」的代理；③ 方法可复现（开源实现），还和两个 SOTA 方法正面比较，故事完整。

二、核心术语表（先扫一遍再读正文）

英文术语中文大白话解释
approximate computing近似计算设计范式：只要误差可以被容忍，就用「不精确的硬件」换取面积、功耗等指标的改善。
approximate logic synthesis (ALS)近似逻辑综合从精确电路出发、在给定最大误差阈值内自动生成近似电路的过程。
error threshold (ET)误差阈值用户允许的最大误差，近似电路不能超过它——是综合过程的「安全红线」。
boolean rewriting布尔重写用等价/近似变换不断改写布尔网络，逐步优化电路的方法。
XPATXPAT 算法近期提出的参数化模板驱动的布尔重写算法，用 SMT 求解器搜索近似电路的设计空间。
parametrisable template参数化模板用一组参数描述「电路可以长成什么样」的模板，参数决定搜索空间的大小与形状。
sum of products (SOP)乘积和布尔函数的标准形式：若干「输入变量的乘积」再相加；是模板的基础结构。
product sharing乘积共享让一个乘积项的输出同时供给多个「和」，从而复用子电路、避免低质量解。
proxy代理（指标代理）用某个容易计算的量去「代表」另一个难算的指标；本文让模板参数代理综合后面积。
SMT solverSMT 求解器可满足性模理论求解器，能判断一组约束是否可满足，本文用它遍历巨大的设计空间。
adder / multiplier加法器 / 乘法器神经网络里最常用的两种算术单元；本文为它们生成面积更小的近似版本。
circuit area电路面积综合后电路占用的硅片面积，直接关系芯片成本与功耗。
design space设计空间所有可能的近似电路构成的集合；模板参数越贴近目标指标，搜索越高效。

三、摘要中英对照（精读核心）

🎧 音频在文末，可先听一遍原文再读；每个英文句都配了逐句翻译。

摘要 Abstract

EN · 原文
Deploying neural networks on edge devices entails a careful balance between the energy required for inference and the accuracy of the resulting classification.
CN · 翻译
在边缘设备上部署神经网络，需要在推理所需能耗与分类精度之间小心权衡。
EN · 原文
One technique for navigating this tradeoff is approximate computing: the process of reducing energy consumption by slightly reducing the accuracy of arithmetic operators.
CN · 翻译
驾驭这一权衡的一种技术是近似计算：通过略微降低算术运算器的精度来降低能耗。
EN · 原文
In this context, we propose a methodology to reduce the area of the small arithmetic operators used in neural networks - i.e., adders and multipliers - via a small loss in accuracy, and show that we improve area savings for the same accuracy loss w.r.t. the state of the art.
CN · 翻译
在此背景下，我们提出一套方法：以微小的精度损失减小神经网络中小型算术运算器（即加法器和乘法器）的面积，并展示在同等精度损失下我们比现有最优方法节省更多面积。
EN · 原文
To achieve our goal, we improve on a boolean rewriting technique recently proposed, called XPAT, where the use of a parametrisable template to rewrite circuits has proved to be highly beneficial.
CN · 翻译
为达成目标，我们改进了一项近期提出的布尔重写技术 XPAT——该技术用参数化模板重写电路，已被证明非常有效。
EN · 原文
In particular, XPAT was able to produce smaller circuits than comparable approaches while utilising a naive sum of products template structure.
CN · 翻译
值得注意的是，即便只使用朴素的乘积和模板结构，XPAT 已能产出比同类方法更小的电路。
EN · 原文
In this work, we show that template parameters can act as proxies for chosen metrics and we propose a novel template based on parametrisable product sharing that acts as a close proxy to synthesised area.
CN · 翻译
本文证明模板参数可以充当所选指标的代理，并提出一种基于参数化乘积共享的新模板——它紧密代理综合后的面积。
EN · 原文
We demonstrate experimentally that our methodology converges better to low-area solutions and that it can find better approximations than both the original XPAT and two other state-of-the-art approaches.
CN · 翻译
实验表明：我们的方法能更好地收敛到低面积解，并且能找到比原版 XPAT 与另外两个 SOTA 方法都更好的近似电路。

关键词 Keywords：Approximate Computing 近似计算 ｜ Approximate Logic Synthesis 近似逻辑综合 ｜ Boolean Rewriting 布尔重写 ｜ Product Sharing 乘积共享 ｜ Template 模板

四、引言精选（为什么这个问题重要）

① 边缘 AI 的能耗-精度权衡，与小位宽算子

EN · 原文
The deployment of neural networks on edge devices entails a careful balance between the energy required for inference and the accuracy of the resulting classification. Small-bitwidth operators are often employed in NNs in order to limit required energy, e.g., 4-bit multipliers are used in [1], and the capability to further reduce energy consumption by approximating such operators while minimally reducing their accuracy is critical. Approximate computing is a design paradigm which helps navigating this tradeoff, dictating that inexact hardware should be used whenever a loss in accuracy can be tolerated, in order to achieve improvements in metrics such as circuit area and energy consumption.
CN · 翻译
在边缘设备上部署神经网络，需要在推理能耗与分类精度之间小心权衡。神经网络中常用小位宽算子来限制能耗（例如 [1] 中使用了 4-bit 乘法器），而通过近似这些算子、在几乎不损失精度的情况下进一步降低能耗，这一能力至关重要。近似计算正是帮助驾驭这一权衡的设计范式：只要精度损失可容忍，就应使用不精确的硬件，以换取电路面积、能耗等指标的改善。

② XPAT：参数化模板 + SMT 求解器搜索设计空间

EN · 原文
The recently proposed Boolean rewriting algorithm XPAT [10] was shown to be able to find valid high-quality optimisation candidates for a variety of arithmetic circuits. XPAT makes use of a parametrisable template to represent the design space of potential optimisations and employs a satisfiability modulo theories (SMT) solver to traverse this large design space. The template proposed consisted of a sum of products, with the role of the solver being to identify, for every circuit output, which products of which input literals must be included in the synthesised circuit.
CN · 翻译
近期提出的布尔重写算法 XPAT [10] 被证明能为多种算术电路找到高质量的有效优化候选。XPAT 用参数化模板表示潜在优化的设计空间，并用SMT 求解器遍历这个巨大的设计空间。其模板由「乘积和」构成，求解器的任务是：对每个电路输出，决定综合出的电路中应包含哪些输入文字（literal）的哪些乘积项。

③ 模板结构决定搜索质量——于是设计「乘积共享」模板

EN · 原文
The choice of template has a significant effect on optimisation quality, since its parameters essentially guide XPAT's design space traversal. Thus, a good template structure is crucial. In particular, a template whose parameters act as a close proxy for the metric of interest is likely to yield the best results. In light of this, we propose a novel parametrisable template for ALS which is capable of sharing products' outputs among many sums as a means of avoiding low-quality optimisations during the search. Our template's parameters regulate the inclusion and sharing of products and allow for fine-grained control of solver-based synthesis.
CN · 翻译
模板的选择对优化质量影响显著，因为模板参数本质上引导着 XPAT 的设计空间遍历。因此，好的模板结构至关重要——尤其，参数能紧密代理目标指标的模板最有可能得到最佳结果。据此，我们为 ALS 提出一种新型参数化模板：在多个「和」之间共享乘积的输出，以此在搜索中避开低质量优化；模板参数调控乘积的包含与共享，支持对基于求解器的综合进行细粒度控制。
💡 这是全文最值得先想清楚的一句：“a template whose parameters act as a close proxy for the metric of interest is likely to yield the best results”——模板不是随便画的，它的自由度应该直接对应你关心的指标（这里是面积）。设计搜索空间 = 设计指标代理。

五、论文贡献（4 个要点）

EN · 原文
1. A novel template. A novel parametrisable sum of products template for ALS based on the sharing of products outputs.
CN · 翻译
1. 新模板。面向 ALS 的新型参数化乘积和模板，核心是共享乘积输出。
EN · 原文
2. Parameters as proxies. A study showing that templates' parameters can act as proxies for metrics of interest such as circuit area.
CN · 翻译
2. 参数即代理。一项研究：证明模板参数可以充当电路面积等目标指标的代理。
EN · 原文
3. Open-source implementation. An open-source implementation of the proposed methodology instrumented with our novel template.
CN · 翻译
3. 开源实现。整套方法论的开源实现，已接入我们的新模板。
EN · 原文
4. Evaluation. An evaluation showcasing that our novel template acts as a good proxy for circuit area and yields better approximations than state-of-the-art approaches.
CN · 翻译
4. 评估。实验评估：新模板是电路面积的良好代理，且比 SOTA 方法找到更好的近似电路。

六、结论中英对照

EN · 原文
Approximate computing can help navigating the delicate tradeoff required by neural networks on the edge, to reach the careful balance between the energy spent for inference and the accuracy of the resulting classification. We postulate that template parameters can act as proxies for metrics of interest in ALS, and propose a novel parametrisable template with the goal of reducing synthesised area in approximate circuits. Our template is based on the sharing of product's outputs on a sum of products structure, and allows the search algorithm to avoid low-quality solutions. We compare our methodology against three state-of-the-art approaches, and our results indicate that the parameters of our template have a strong correlation to synthesised area, and that our methodology outperforms the state of the art in finding smaller circuits given the same ET.
CN · 翻译
近似计算能帮助驾驭边缘神经网络的精细权衡，在推理能耗与分类精度之间取得平衡。我们提出假设：ALS 中模板参数可以充当目标指标的代理，并以「减小近似电路综合面积」为目标提出新型参数化模板——基于乘积和结构上的乘积输出共享，让搜索算法避开低质量解。我们把方法与三个 SOTA 方法比较：结果表明，模板参数与综合面积强相关，且在给定相同误差阈值（ET）下，我们的方法找到的电路比现有最优方法更小。
EN · 原文
Avenues for future work include the exploration of templates that (i) are multi-level, (ii) have alternative structures, and (iii) include more complex elements, e.g., lookup tables.
CN · 翻译
未来工作方向包括探索这样的模板：(i) 多级（multi-level）模板；(ii) 具有替代结构的模板；(iii) 包含更复杂元素（如查找表）的模板。

七、编者解读：这篇论文到底讲了什么（大白话版）

  1. 问题：神经网络跑在边缘设备（手机、耳机、传感器）上，功耗和精度要权衡。省电的一条路是「近似计算」——把加法器、乘法器做得不精确一点，误差可容忍就省面积、省电。
  2. 做法：在近似逻辑综合（ALS）里，XPAT 用「参数化模板」描述电路空间，让 SMT 求解器去搜。模板长什么样直接决定搜索结果质量。作者发现：模板参数如果和「综合后面积」强相关，搜索就会更高效——于是设计了「乘积共享」模板：一个乘积的输出可以同时喂给多个和（加法树），避免搜索中产生低质量解。
  3. 结果：同等误差阈值下，新模板找到的加法器/乘法器近似电路比原版 XPAT、MUSCAT、MECALS 都更小；模板参数与综合面积的相关系数也更强——「代理假设」被实验证实。
  4. 最值钱的观点：「模板参数 = 指标的代理」。设计搜索模板时，应该让模板自由度直接对应你关心的指标，而不是随意设计结构。这个思想可以迁移到很多 EDA 搜索问题。
  5. 工程意义：边缘 AI 芯片里乘法器数量巨大，每个小乘法器省一点面积，整个芯片的功耗和成本就能明显下降；论文还开源了实现（配合 Z3 SMT 求解器和 Yosys 综合），可复现、可续做。
🎯 对保研的启示：这篇论文展示了一个「小切口、深挖掘」的科研范式——不发明新算法，而是改进搜索的「模板」这一环节，并用「代理」假说把改进讲出理论味道。复试时讲「我改进了一个环节、提出并验证了一个假说」，比「我调参效果不错」高级得多。

八、给准大一的阅读路线图 & 延伸方向

📖 怎么读这篇论文（三遍法）

  1. 第一遍（10 分钟）：只读摘要和术语表，回答三个问题——问题是什么？方法是什么？结果是什么？
  2. 第二遍（20 分钟）：读引言 + 结论，重点体会「模板参数为什么能当面积的代理」以及「乘积共享为什么能避开低质量解」。
  3. 第三遍（30 分钟）：回到引言与结论的英文原文，跳过公式和编号只看文字；把 XPAT、SMT、SOP、ET 这些词在术语表里对号入座；想一想：如果让你设计一个「代理延迟」的模板，你会让参数代表什么？

🚀 这个方向你能延伸做什么

九、英文摘要朗读（练听力用）

先盲听一遍→再看对照稿→再听一遍。目标是听出每个数字（4-bit 乘法器）和术语（approximate computing、XPAT、parametrisable template、product sharing、proxy）。