電子發(fā)燒友網綜合報道在當今計算技術快速發(fā)展的背景下，模擬計算作為一種獨特的計算范式，正逐漸展現(xiàn)出其獨特的魅力與潛力。與傳統(tǒng)的數(shù)字計算不同，模擬計算并非依賴于離散的數(shù)字信號進行運算，而是直接利用物理定律，通過連續(xù)變化的物理量（如電壓、電流等）來執(zhí)行計算任務。這種計算方式在能效和速度方面具有顯著優(yōu)勢，因為它省去了數(shù)字計算中復雜的數(shù)模轉換過程，能夠更直接、更高效地處理信息。近年來，隨著人工智能（AI）硬件領域的蓬勃發(fā)展，模擬計算因其高效能的特點，受到了廣泛關注與研究。

而在模擬計算的廣闊領域中，模擬存內計算（AnalogIn-MemoryComputing，AIMC）作為一種新興技術，正成為研究的熱點。模擬存內計算的核心思想是將計算過程與數(shù)據存儲緊密結合，直接在存儲單元內部執(zhí)行計算操作，從而避免了數(shù)據在存儲器與計算單元之間的頻繁搬運，極大地提高了計算效率并降低了能耗。這種計算模式特別適用于需要處理大量數(shù)據的場景，如神經網絡推理、圖像處理等，為AI硬件的發(fā)展提供了新的思路和方向。然而，盡管模擬計算和模擬存內計算具有諸多優(yōu)勢，但當前仍普遍面臨計算精度低、計算穩(wěn)定性不足的挑戰(zhàn)。這主要由于現(xiàn)有模擬硬件的計算方案高度依賴器件的內在物理參數(shù)（如電阻值），這些物理參數(shù)在每次編程時往往存在較大隨機偏差，且極易受到環(huán)境因素（如溫度）的影響。上述特性使得現(xiàn)有模擬計算精度難以提高，成為制約其走向應用的關鍵瓶頸。

近日，南京大學物理學院繆峰教授和梁世軍教授團隊針對這一難題，提出了一種高精度模擬計算方案，為模擬存內計算領域帶來了新的突破。該方案將模擬計算權重的實現(xiàn)方式從不穩(wěn)定、易受環(huán)境干擾的物理參數(shù)（例如器件電阻）轉向高度穩(wěn)定的器件幾何尺寸比，突破了限制模擬計算精度的瓶頸。

基于這一創(chuàng)新思想，團隊設計并驗證了一款基于標準CMOS工藝的模擬存內計算芯片。結合權值重映射技術，該芯片在并行向量矩陣乘法運算中實現(xiàn)了僅0.101%的均方根誤差，創(chuàng)下了模擬向量-矩陣乘法運算精度的最高紀錄。值得強調的是，該芯片在-78.5°C和180°C的極端環(huán)境下依然能穩(wěn)定運行，矩陣計算的均方根誤差分別維持在0.155%和0.130%的水平，展現(xiàn)出在極端環(huán)境下保持計算精度的優(yōu)秀能力。不僅如此，該方案還可應用于各種二值存儲介質，因而具備廣泛的應用潛力。

本研究的核心思想是將模擬計算權重的實現(xiàn)方式從器件參數(shù)轉向器件的幾何比例（圖1A），利用器件幾何比例在制備完成后具備極高穩(wěn)定性的特點，實現(xiàn)高精度計算（圖1B）?；谶@一思想，研究團隊通過電路拓撲設計，結合存儲單元和開關器件，構建了可編程的計算單元（圖1C）。該單元通過兩級依賴尺寸比例的電流拷貝電路實現(xiàn)輸入電流與8比特權重的乘法運算：第一級的幾何比例由8位存儲器控制；第二級為固定比例，為不同列上的第一級輸出電流賦予對應的二進制權重。兩級共同作用，決定計算單元的整體等效比例，從而實現(xiàn)權重可編程的模擬乘法運算。通過陣列化排布這些計算單元，研究團隊設計出了一款高精度電流域向量-矩陣乘法芯片（圖1D）。

圖1：高精度模擬計算方案與電路結構。(A)概念示意圖。本方案利用器件的物理尺寸決定模擬信號的運算關系。(B)實現(xiàn)效果示意圖。利用器件物理尺寸的穩(wěn)定性，本方案可實現(xiàn)超越傳統(tǒng)方案的計算精度。(C)計算單元原理圖。通過兩級依賴尺寸比例的電流拷貝電路設計，結合存儲單元和開關器件，構建了等效尺寸比例可編程的計算單元，實現(xiàn)輸入電流與8比特權重的模擬乘法運算。(D)計算陣列原理圖。通過陣列化排布計算單元，設計高精度電流域向量-矩陣乘法芯片。

隨后，研究團隊基于180nmCMOS工藝對該方案進行了流片驗證。芯片照片與測試電路如圖2A所示。研究團隊通過執(zhí)行多輪隨機向量-矩陣乘法充分測試了該芯片的計算精度。測試使用的矩陣規(guī)模為64×32（圖2B），總共由4塊芯片組成。同時，研究團隊提出了一種權值重映射方法（圖2C），可以最大程度利用器件尺寸比例的穩(wěn)定性，從而進一步提高芯片的計算精度。在1500次隨機向量-矩陣乘法實驗中，測量到的芯片輸出結果與理想值幾乎完全一致（圖2D），體現(xiàn)出極高的計算精度。進一步的統(tǒng)計結果顯示，芯片計算相對誤差的均方根僅為0.101%（圖2E），刷新了模擬計算領域的最高精度紀錄。與其他模擬計算方案相比，本芯片的計算精度顯著提高（圖2F）。

圖2：高精度模擬向量-矩陣乘法測試。(A)芯片和測試電路照片。(B)模擬向量-矩陣乘法精度測試電路原理圖。(C)權值重映射方法示意圖。該方法能進一步提高芯片計算精度。(D)1500組隨機向量-矩陣乘法結果。理想輸出與實際輸出幾乎重合。(E)歸一化計算誤差的分布圖，統(tǒng)計得其均方根僅為0.101%。(F)本芯片與其他先進模擬計算方案的精度對比。

該芯片具有的超高模擬向量-矩陣乘法精度，使得其在實際應用中表現(xiàn)優(yōu)異。研究團隊首先測試了芯片在神經網絡推理任務中的應用效果：利用團隊研發(fā)的高精度模擬存算芯片執(zhí)行圖3A所示神經網絡中的全部卷積層和全連接層運算時，在MNIST測試集上識別準確率達到97.97%（圖3C），這與64位浮點精度下的軟件識別率相近（-0.49%），顯著優(yōu)于傳統(tǒng)模擬計算硬件（+3.82%）。進一步，團隊測試了該芯片在科學計算應用中的表現(xiàn)。研究團隊利用高精度模擬存算芯片求解納維–斯托克斯方程，以模擬流體流動行為。經實驗測試，芯片計算出的流體運動結果（圖3D）與64位浮點精度的結果高度一致（圖3E），而傳統(tǒng)低精度模擬計算硬件在執(zhí)行相同任務時則無法得到正確的結果（圖3F）。

圖3：高精度模擬計算芯片的應用表現(xiàn)。(A)神經網絡結構與數(shù)據集。(B)在MNIST測試集上識別結果的混淆矩陣，識別率達到97.97%。(C)準確率對比。高精度模擬計算芯片測試結果與64位浮點精度下的軟件識別率相近（-0.49%），顯著優(yōu)于傳統(tǒng)模擬計算硬件（+3.82%）。(D)高精度模擬計算芯片求解納維–斯托克斯方程得到的流體行為預測結果。(E)64位浮點精度下的軟件計算結果，本芯片結果與其高度一致。(F)低精度模擬計算硬件的結果無法準確反映流體行為。

研究團隊不僅測試了該模擬存算芯片的超高計算精度，還驗證了這一芯片在極端環(huán)境中有效保持計算精度的魯棒性。即使在外界環(huán)境變化條件下，器件的幾何比例依然能保持恒定，這使得本芯片在極端環(huán)境中仍然能保持較高的計算精度。研究團隊在-78.5℃和180℃下利用該模擬存算芯片執(zhí)行模擬向量-矩陣乘法運算測試，測得相對誤差的均方根分別僅為0.155%和0.130%（圖4A、B）。在更寬溫區(qū)（-173.15℃至286.85℃）的測試中，芯片核心單元輸出電流相較于常溫條件的最大偏差僅為1.47%（圖4C-F）。此外，研究團隊也在強磁場環(huán)境（最高10T）中對芯片輸出電流進行了測量。結果顯示，芯片核心單元的輸出電流相較于無磁場條件的變化不超過0.21%（圖4G-J）。上述結果充分說明了團隊所提出的高精度模擬計算方案在極端環(huán)境下的可靠性。

圖4：高精度模擬計算芯片的魯棒性測試。(A)低溫下（-78.5℃）芯片的向量-矩陣乘法精度測試結果。測得芯片輸出的相對誤差均方根為0.155%。(B)高溫下（180℃）芯片的向量-矩陣乘法精度測試結果。測得芯片輸出的相對誤差均方根為0.130%。(C)將芯片核心單元置于更寬溫區(qū)（-173.15℃至286.85℃）進行測試的示意圖。(D)-(F)寬溫區(qū)下的輸出電流測量結果。相對于常溫條件，輸出電流偏差不超過1.47%。(G)將芯片核心單元置于強磁場（最高10T）下進行精度測試的示意圖。(H)-(J)強磁場下的輸出電流測量結果。相對于零磁場條件，輸出電流偏差不超過0.21%。

相關研究成果以“Ultrahigh-precisionanalogcomputingusingmemory-switchinggeometricratiooftransistors”（基于器件尺寸比例穩(wěn)定性的超高精度模擬計算方案）為題，于2025年9月12日發(fā)表在學術期刊ScienceAdvances上。