随着未来空间大型工程的陆续实施，迫切需要智能化的方法和技术实现航天活动的自主规划、自主控制、自主故障检测和处理等，为航天系统小型化、轻量化、智能化、低功耗需求提供技术支撑。卷积神经网络作为人工智能模型中最重要的经典结构，具有局部连接、权值共享、空间或时间上的下采样等优势，是我国天基遥感数据精准获取、在轨海量数据快速处理与应用向更强、更快发展的重要选择。值得注意的是，卷积神经网络FPGA加速器的空间应用将不可避免遭遇空间带电粒子环境导致的单粒子效应威胁，但是目前国内外相关研究报道较少，响应特征规律和机理认识不清，严重制约了其在空间辐射环境中的布局应用。因此，揭示单粒子效应对卷积神经网络加速器的影响规律和响应特性，提高抗单粒子效应辐射能力使之满足航天工程技术发展需求就成为亟待解决的关键问题。
中国科学院国家空间科学中心太阳活动与空间天气重点实验室空间天气效应中心陈睿副研究员、韩建伟研究员与加拿大萨斯喀彻温大学电子与计算机工程学院Li Chen教授课题组合作，针对基于Lenet-5结构FPGA卷积神经网络加速器，利用高能质子试验装置和脉冲激光模拟重离子试验装置，揭示了单粒子错误影响卷积神经网络算法的特征规律，并提出了寄存器级的冗余加固设计方法。相关成果以题为Evaluation of SEU Impact on Convolutionl Neural Networks based on BRAM and CRAM in FPGAs的论文，发表于国际期刊Microelectronics Reliability，萨斯喀彻温大学博士生Haonan Tian为第一作者，空间中心陈睿副研究员为通讯作者。
研究发现，基于Lenet-5结构的神经网络卷积层对单粒子效应敏感，且第二个卷积层的配置存储器部分被诱发单粒子翻转错误，对神经网络推算结果的影响最大。基于单粒子错误特征和敏感区域分析，本工作提出了一种寄存器级的针对性冗余设计方法，针对Lenet-5结构卷积神经网络加速器实现了20%的额外资源开销获取40%的抗辐射能力提升。
图1 基于Lenet-5结构的神经网络卷积层原理图
图2 卷积神经网络特征分布和单粒子响应规律
图3 防护设计方法原理和效应评估
本工作得到中国科技部重点研发计划（2022YFF0503603）和加拿大自然科学与工程基（558348-20）的支持，原文链接：https://doi.org/10.1016/j.microrel.2023.114974
（供稿：天气室）
