2/27/2024，光纖在線訊，當(dāng)前，智能計(jì)算設(shè)備呈指數(shù)式增長(zhǎng)，迫切需要低功耗與低延遲執(zhí)行神經(jīng)網(wǎng)絡(luò)推理任務(wù)，以及不依賴云端的片上學(xué)習(xí)能力來(lái)動(dòng)態(tài)適應(yīng)邊緣端復(fù)雜多變的應(yīng)用場(chǎng)景。非易失存算一體技術(shù)可最大化減少數(shù)據(jù)搬運(yùn)帶來(lái)的功耗和延遲并消除靜態(tài)功耗，為邊緣智能計(jì)算設(shè)備提供了一種極具競(jìng)爭(zhēng)力的方案。非易失存算一體芯片近年來(lái)持續(xù)快速發(fā)展，其在集成規(guī)模、能效、算力等方面均取得了長(zhǎng)足的進(jìn)步，實(shí)現(xiàn)了對(duì)片上推理任務(wù)的高效支持。但進(jìn)行片上學(xué)習(xí)通常需要對(duì)模型參數(shù)進(jìn)行海量次數(shù)的更新以及高精度的反向傳播。受限于有限的擦寫(xiě)次數(shù)、較高的擦寫(xiě)功耗以及有限的計(jì)算精度，當(dāng)前，非易失存算一體芯片仍然難以高效支持片上學(xué)習(xí)與訓(xùn)練。

     針對(duì)以上問(wèn)題，中國(guó)科學(xué)院微電子研究所劉明院士團(tuán)隊(duì)設(shè)計(jì)了基于非易失/易失存儲(chǔ)融合型的片上學(xué)習(xí)存算一體宏芯片。團(tuán)隊(duì)在14nm FinFET工藝上驗(yàn)證了具有多值存儲(chǔ)能力的5晶體管型邏輯閃存單元，編程電壓（-25%）與編程時(shí)間（-66%）較同類型器件均獲得有效降低；在此基礎(chǔ)上，團(tuán)隊(duì)進(jìn)一步提出了邏輯閃存單元與SRAM融合的新型陣列，不僅可以利用非易失與易失性存儲(chǔ)單元的特點(diǎn)滿足片上學(xué)習(xí)過(guò)程中長(zhǎng)期與短期信息的存儲(chǔ)，還能通過(guò)對(duì)矩陣-向量乘與矩陣元素乘的高效處理加速片上學(xué)習(xí)過(guò)程中所需的關(guān)鍵算子。團(tuán)隊(duì)還提出了一種與存儲(chǔ)陣列深度融合的低硬件開(kāi)銷差分型模數(shù)轉(zhuǎn)換電路，采用采樣電容復(fù)用的方法節(jié)省面積，通過(guò)多元素稀疏感知的方案節(jié)省功耗。該芯片可以有效支持具有突觸可塑性的神經(jīng)網(wǎng)絡(luò)，基于前饋過(guò)程動(dòng)態(tài)更新短期信息，從而實(shí)現(xiàn)動(dòng)態(tài)的片上學(xué)習(xí)。該存算一體宏芯片在14nm FinFET工藝下流片，可實(shí)現(xiàn)小樣本學(xué)習(xí)等片上學(xué)習(xí)任務(wù)，8比特矩陣-矩陣-向量計(jì)算能效達(dá)到了22.64TOP/W。這一研究結(jié)果為基于存算一體架構(gòu)的片上學(xué)習(xí)芯片提供了新思路。

     近期，本工作以“A Flash-SRAM-ADC-Fused Plastic Computing-in-Memory Macro for Learning in Neural Networks in a Standard 14nm FinFET Process”為題發(fā)表在 ISSCC 2024國(guó)際會(huì)議上，微電子所博士生王琳方為第一作者、竇春萌研究員為通訊作者。參與本工作的主要研究人員還包括微電子所博士生李偉增以及碩士生周治道。該研究得到了科技部重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金、中國(guó)科學(xué)院戰(zhàn)略先導(dǎo)專項(xiàng)等項(xiàng)目的支持。


【來(lái)源： 中國(guó)科學(xué)院微電子研究所】