近日大陆清华大学研究团队发表颠覆传统光刻技术的芯片制造方法后,清大另2名教授又在《科学》(Science)学术期刊上发表论文,宣布在支援片上学习的忆阻器存算一体芯片领域取得重大突破,较先进工艺的专用积体电路效能提升75倍,能耗仅有1/35,有望促进人工智慧、自动驾驶可穿戴设备等领域的发展。
据北京清华大学在其微信公众号指出,这项新的技术成果是由清华大学积体电路学院吴华强教授、高滨副教授所共同发表,它是在清大唐传祥教授发表取代传统光刻机光源技术的《稳态微聚束加速器光源》后的又一项芯片技术重大突破。
《芯智讯》报道说,经过11年持续研究,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演算法加速器等等,有望促进人工智慧、自动驾驶可穿戴设备等领域的发展。
报道指出,记忆电阻器(Memristor),是继电阻、电容、电感之后的第4种电路基本元件。它可以在断电之后,仍能“记忆”通过的电荷,被当做新型奈米电子突触器件。
早在1946年,“电脑之父”纽曼(John von Neumann)提出并定义了电脑架构,由记忆体和处理器分别完成资料存储和计算。但是,随著人工智慧等应用对资料存储和计算需求的不断提升,资料来回搬运处理,耗时长,功耗大,还可能存在数据传输堵塞的风险。
2012年,钱鹤、吴华强团队开始研究用忆阻器来做存储,2年后清华大学与中科院微电子所、北京大学等单位合作,优化忆阻器的器件工艺,製备出高性能忆阻器阵列,成为中国实现忆阻器阵列大规模集成的重要基础。
2020年,研究团队基于多阵列忆阻器,搭建了一个全硬体构成的完整存算一体系统,实现了以更小的功耗和更低的硬体成本完成複杂的计算。该架构如同“在家办公”的新型工作模式,彻底消除了往返通勤的能量消耗,避免了员工往返时间延迟,更节约公场所的运营成本,在边缘计算和云计算中有广泛的应用前景。
清华大学积体电路学院吴华强教授、高滨副教授所共同发表忆阻器存算一体学习芯片及测试系统。(图/清华大学)
报道说,钱鹤、吴华强带领团队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演算法和架构(STELLAR),研製出全球首颗全系统集成的、支援高效片上学习的忆阻器存算一体芯片。相同任务下,该芯片实现片上学习的能耗仅为先进工艺下专用积体电路(ASIC)系统的1/35,同时有望实现75倍的能效提升。