用于神经形态计算的 2T1R 控制芯片原型

如果你的硬盘能与你的数据一起思考，那会怎样？想象一下，硬盘不仅能存储文件，还能准确地处理和响应信息。这就是内存计算背后的原理--一种不断发展的架构转变，将逻辑更靠近内存以提高效率。

现在，Forschungszentrum Jülich 和杜伊斯堡-埃森大学的研究人员提出了一种基于 2T1R 晶粒的新型设计，它可以支持这种转变，从而实现更节能的人工智能和边缘硬件。

该论文发表在arXiv 上。该设计每个单元集成了两个晶体管和一个忆阻器，电流调节旨在抑制潜行路径电流，这是忆阻器阵列面临的一个已知挑战。与传统存储器不同的是，该设计在空闲时将两个忆阻器终端接地--这种策略有助于提高信号稳定性并减少漏电。

该架构旨在通过使用集成 DAC、PWM 信号和调节电流路径控制忆阻器电导，从而支持机器学习的核心功能--模拟向量矩阵乘法（VMM）。利用标准 28 纳米 CMOS 技术成功实现了 2×2 测试阵列。

通过解决虚拟接地问题和导线电阻效应，该架构旨在提高性能可预测性并降低功耗。2T1R 设计兼容 RISC-V 控制和数字接口，可为可扩展的神经形态芯片奠定基础，直接在内存中实现更快、更紧凑的人工智能加速。

虽然您的硬盘驱动器可能还没有想到这一点，但这一愿景背后的架构已经在硅片中成型--暗示着更快的内存集成人工智能的未来。

欲了解完整的技术细节和结果，请参阅完整的 arXiv 预印本 (PDF).