HyperMR: Efficient Hypergraph-enhanced Matrix Storage on Compute-in-Memory Architecture
Proc. ACM Manag. Data (SIGMOD) 2025 | DOI 10.1145/3709695
Wu, Chen, Chen, Jiang, Li, Shou（浙江大学）
为 Compute-in-Memory (CIM) crossbar 阵列设计矩阵 tile 布局：用超图统一建模矩阵结构与访问模式，优化 MVM 的通信成本（列序决定 input vector 分发）和累加成本。
核心贡献
- 两个 CIM 专用优化目标（NP-hard）+ 访问感知超图生成
- 两阶段超图划分：不依赖对称/对角块等结构假设
- 全面优于 SOTA reorder 方案（GSMR、METIS、GMR、ReSpar 等局限）
关键数字
| 指标 | 值 |
|---|---|
| 有效优化矩阵比例 | 100% vs baseline 75% |
| 合成查询 | +29.65% |
| 科学图像滤波 | 最高 +34.9% |
与 wiki 交叉
- DNN Accelerator Systolic Dataflow — 加速器内存布局优化对照
- End-to-End Memory Data Path — 存储布局与数据移动
Citations
[1] HyperMR_Hypergraph_Matrix_Storage_CIM_2025.pdf [2] hypermr-hypergraph-matrix-storage-cim.md — 结构化摘录