我国自研首颗忆阻器存算一体芯片,75 倍能效提升!

近期，清华大学集成电路学院的吴华强教授和高滨副教授在存算一体计算范式领域取得了重大突破。他们的研究成果发表在了《科学》杂志上。这项研究涉及到忆阻器存算一体芯片、存算一体系统以及ADAM算法加速器等多个方面，有望促进人工智能、自动驾驶、可穿戴设备等领域的发展。

忆阻器是继电阻、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。然而，随着人工智能等应用对数据存储和计算需求的不断提升，传统的数据来回“搬运”处理的方式已经无法满足需求。而基于忆阻器的存算一体计算范式，可以在一个系统中同时进行数据的存储和计算，大大提高了计算设备的算力，并降低了功耗和硬件成本。

忆阻器存算一体芯片作为一种新兴的计算范式，具有巨大的潜力解决人工智能、自动驾驶和可穿戴设备等领域所面临的问题。通过将存储和计算集成在一起，忆阻器存算一体芯片可以实现更低延迟和更低能耗的计算和存储。同时，该技术还可以通过模拟人脑的方式，实现更加智能化的计算。然而，忆阻器存算一体芯片仍存在一些挑战需要进一步研究和解决。随着技术的不断进步和应用场景的不断拓展，忆阻器存算一体芯片有望成为未来智能计算的关键技术之一。

钱鹤和吴华强团队从忆阻器件的研究开始，经过多年的努力，他们成功优化了忆阻器的器件工艺，制备出高性能忆阻器阵列，成为我国率先实现忆阻器阵列大规模集成的重要基础。在此基础上，他们构建了一个全硬件构成的完整存算一体系统，并在该系统上高效运行了卷积神经网络算法，成功验证了图像识别功能。与传统的图形处理器芯片相比，他们的存算一体系统能效高出两个数量级，大幅提升了计算设备的算力。

此外，他们还创新设计出适用于忆阻器存算一体的高效片上学习的新型通用算法和架构（STELLAR），研制出全球首颗全系统集成的、支持高效片上学习的忆阻器存算一体芯片。该芯片实现了片上学习的能耗仅为先进工艺下专用集成电路（ASIC）系统的1/35，同时有望实现75倍的能效提升。

这一重大突破也得到了国家相关部门的关注和支持。教育部科学技术研究重大项目、国家自然科学基金委重点资助项目等给予了大力支持。同时，该团队也获得了清华大学的大力支持和鼓励，为推动该领域的研究和产业发展奠定了坚实的基础。

为了更好地理解忆阻器存算一体芯片的应用前景，我们举一个具体的案例：智能驾驶。在智能驾驶领域，需要对大量的传感器数据进行实时处理和分析，以实现车辆的自主导航和决策。然而，由于数据传输和处理的需求庞大，传统的计算机架构难以满足实时性和低能耗的要求。而忆阻器存算一体芯片则可以通过集成传感器数据采集、处理和存储于一体，实现低延迟、低能耗和高可靠性计算，从而提升智能驾驶的安全性和性能

清华大学吴华强教授和钱鹤教授领导的科研团队在忆阻器存算一体芯片领域所取得的重大突破，对于推动人工智能、自动驾驶、可穿戴设备等领域的快速发展具有重要的意义和价值。我们期待着这一技术在未来的研究和应用中能够发挥更大的作用，为人类社会的发展和进步做出更多的贡献。