“我们研发的这款存算一体芯片，展示出高适应性、高能效、高通用性、高准确率等特点，能有效强化智能设备在实际应用场景下的学习适应能力。”10日，清华大学集成电路学院副教授高滨接受记者采访时表示，“该款芯片揭示了人工智能时代下边缘学习的新范式，为突破冯·诺依曼传统计算架构下的能效、算力瓶颈提供了一种创新发展路径。”
近日，清华大学集成电路学院教授吴华强、副教授高滨基于存算一体计算范式，研制出全球首款全系统集成、支持高效片上学习（机器学习能在硬件端直接完成）的忆阻器存算一体芯片。相关成果在线发表于最新一期《科学》。
相同任务下，该款芯片实现片上学习的能耗仅为先进工艺下专用集成电路系统的3%，展现出卓越的能效优势，具有满足人工智能时代高算力需求的应用潜力。相关成果可应用于手机等智能终端设备，还可以应用于边缘计算场景，比如汽车、机器人等。
据介绍，当前，国际上的相关研究仍停留在忆阻器阵列层面的学习功能演示，全系统集成的忆阻器片上学习芯片仍未实现，主要在于传统的反向传播训练算法所要求的高精度权重更新方式与忆阻器实际特性的适配性较差，导致大规模集成下的系统精度和能耗出现瓶颈。
突破传统存算分离架构对算力提升的制约，实现低能耗、高精度的全系统集成忆阻器存算一体片上学习芯片，要攻克哪些难点？
“这是课题组多年积累最终取得的突破。研发过程中的难点主要体现在：首先需要解决忆阻器大规模集成问题，我们不仅优化了器件材料和架构，改善了器件特性，还开发了大规模集成制程；其次需要解决底层硬件多物理尺度的非理想特性，以提升精度，比如器件的非线性、非对称，阵列的寄生，电路的噪声等；最后，要实现高效的硬件系统，需要算法—架构—电路和器件的协同优化。”团队成员、清华大学集成电路学院博士后姚鹏说。
