南京大学类脑智能科技研究中心的研究团队近日在模拟存内计算领域取得突破性进展,成功研发出一款基于互补金属氧化物半导体(CMOS)工艺的高精度模拟存算一体芯片。该芯片通过创新性的计算权重实现方式,将传统依赖不稳定物理参数(如器件电阻)的模式,转向利用器件几何尺寸比的高稳定性,从而大幅提升了模拟计算的精度。
研究团队提出的高精度模拟存内计算方案,核心思想在于将模拟计算权重的实现方式从器件参数转向器件的几何比例。这一转变充分利用了器件几何比例在制备完成后具备极高稳定性的特点,使得计算精度得到显著提升。通过电路拓扑设计,结合存储单元和开关器件,研究团队构建了可编程的计算单元。该单元通过两级依赖尺寸比例的电流拷贝电路,实现了输入电流与8比特权重的模拟乘法运算。其中,第一级的几何比例由8位存储器控制,第二级为固定比例,为不同列上的第一级输出电流赋予对应的二进制权重。两级共同作用,决定计算单元的整体等效比例,从而实现权重可编程的模拟乘法运算。
在芯片设计方面,研究团队通过阵列化排布这些计算单元,成功设计出了一款高精度电流域向量-矩阵乘法芯片。该芯片在并行向量矩阵乘法运算中表现优异,测试数据显示其均方根误差仅为0.101%,创下了模拟向量-矩阵乘法运算精度的最高纪录。这一成果已于近期在国际学术期刊《科学・进展》上发表。
除了高精度计算能力外,该芯片还展现出在极端环境下保持计算精度的优秀能力。研究团队在-78.5℃和180℃的极端环境下对芯片进行了测试,结果显示矩阵计算的均方根误差分别维持在0.155%和0.130%的水平。在更宽温区(-173.15℃至286.85℃)的测试中,芯片核心单元输出电流相较于常温条件的最大偏差仅为1.47%。研究团队还在强磁场环境(最高10T)中对芯片进行了测试,结果显示芯片核心单元的输出电流相较于无磁场条件的变化不超过0.21%。
为了进一步提高芯片的计算精度,研究团队还提出了一种权值重映射方法。该方法能最大程度利用器件尺寸比例的稳定性,从而进一步提升芯片的计算精度。在1500次随机向量-矩阵乘法实验中,测量到的芯片输出结果与理想值几乎完全一致,体现出极高的计算精度。
在实际应用中,该芯片的表现同样令人瞩目。研究团队首先测试了芯片在神经网络推理任务中的应用效果。利用团队研发的高精度模拟存算芯片执行神经网络中的全部卷积层和全连接层运算时,在MNIST测试集上识别准确率达到97.97%,这与64位浮点精度下的软件识别率相近,显著优于传统模拟计算硬件。
研究团队还测试了该芯片在科学计算应用中的表现。他们利用高精度模拟存算芯片求解纳维–斯托克斯方程,以模拟流体流动行为。经实验测试,芯片计算出的流体运动结果与64位浮点精度的结果高度一致,而传统低精度模拟计算硬件在执行相同任务时则无法得到正确的结果。
该方案还具备广泛的应用潜力。由于它可应用于各种二值存储介质,因此有望在更多领域发挥重要作用。研究团队的这一突破性成果,不仅为模拟存内计算领域带来了新的发展思路,也为未来高性能计算芯片的设计提供了有力支持。