想象一下一颗芯片上集成了记忆和计算的能力，保护用户隐私同时还具备了类似人脑的自主学习。
能耗仅为先进工艺下专用集成电路系统的1/35。
近期，清华大学集成电路学院吴华强教授、高滨副教授基于存算一体计算范式在支持片上学习的忆阻器
存算一体芯片领域取得重大突破。研究成果发表在《科学》（Science）上。
11年科研“长征”从忆阻器件到原型芯片再到系统集成，钱鹤、吴华强团队协同攻关AI算力瓶颈难题
攻克“卡脖子”关键核心技术成果涉及忆阻器集成芯片存算一体系统、ADAM算法加速器......
有望促进人工智能、自动驾驶，可穿戴设备等领域的发展。
突破从0到1 存算一体开启智算时代
记忆电阻器（Memristor），是继电阻、电容、电感之后的第四种电路基本元件。它可以在断电之后，仍能“记忆”通过的电荷，被当做新型纳米电子突触器件。早在1946年，“计算机之父”冯·诺依曼提出并定义了计算机架构，采用二进制的编码，由存储器和处理器分别完成数据存储和计算。但是，随着人工智能等应用对数据存储和计算需求的不断提升，数据来回“搬运”处理，耗时长，功耗大，还可能存在“交通堵塞”的风险。
“存算一体片上学习在实现更低延迟和更小能耗的同时，能够有效保护用户隐私和数据。”博士后姚鹏介绍，该芯片参照仿生类脑处理方式，可实现不同任务的快速“片上训练”与“片上识别”，能够有效完成边缘计算场景下的增量学习任务，以极低的耗电适应新场景、学习新知识，以满足用户的个性化需求。比如，有些人习惯在数字“7”的中间加一短横。一开始，智能芯片并不认识这个符号，然而训练了两三个这样书写的“7”后，它就能准确将其识别为数字“7”。
挑战与机遇并存 “芯青年”展科研担当
在复杂多变的国际形势下，突破“卡脖子”技术仍是当下的重点。
面对先进研发设备短缺等现实问题，团队成员都有着些许的茫然，每一步走的是否正确，结果能否达到预期，工艺还能否更加优化……这些都是压在每个人身上的巨石。
首先，是技术挑战。忆阻器芯片的研发涉及到材料科学、物理学、电子工程等多学科的前沿知识。在诸多技术难题中，首先要解决的是如何实现忆阻器件的大规模集成。通过大量实验和理论研究，团队提出了架构-电路-工艺协同优化方法，为存算一体系统的设计提供了指导。
其次，是工程挑战。有了大规模集成的工艺、关键的电路设计，如何克服底层多尺度非理想导致的误差，集合成一个高效的系统芯片？在团队老师和学生的共同努力下，研究提出STELLAR 架构，完成算法优化及仿真实验，制备出全系统集成的高效存算一体学习芯片，实现速度和能效的大幅提升。
| 通信人家园 (https://test.txrjy.com/) | Powered by C114 |