中科院微電子所在28nm RRAM存內(nèi)計(jì)算電路取得進(jìn)展

物聯(lián)網(wǎng)與人工智能技術(shù)的迅猛發(fā)展對(duì)邊緣節(jié)點(diǎn)計(jì)算平臺(tái)的實(shí)時(shí)數(shù)據(jù)處理能力與能效提出了更高的要求，基于新型存儲(chǔ)器的非易失存內(nèi)計(jì)算技術(shù)可以實(shí)現(xiàn)數(shù)據(jù)的原位存儲(chǔ)與計(jì)算、最小化數(shù)據(jù)搬運(yùn)帶來(lái)的功耗與延遲開(kāi)銷，從而大幅提升邊緣設(shè)備的數(shù)據(jù)處理能力與效能比。

然而，由于基礎(chǔ)單元特性的非理想因素，陣列中的寄生效應(yīng)以及模數(shù)轉(zhuǎn)換電路的硬件開(kāi)銷，非易失存內(nèi)計(jì)算仍然面臨計(jì)算性能與能效方面的限制。圍繞上述關(guān)鍵問(wèn)題，微電子所劉明院士團(tuán)隊(duì)采用跨層次協(xié)同設(shè)計(jì)的方法，提出了高并行與高效能比的新型RRAM存內(nèi)計(jì)算結(jié)構(gòu)。

在器件層面，研究團(tuán)隊(duì)提出了帶權(quán)重二晶體管一憶阻器(WH-2T1R)的存算陣列結(jié)構(gòu)。WH-2T1R結(jié)構(gòu)使用core晶體管構(gòu)成解耦的存算數(shù)據(jù)通路來(lái)減小寄生效應(yīng)對(duì)計(jì)算電流的影響，相較1T1R結(jié)構(gòu)只額外造成30.3%的面積開(kāi)銷。計(jì)算單元利用第二晶體管亞閾值區(qū)放大特性提高計(jì)算13.5倍開(kāi)關(guān)比的同時(shí)降低88%的低阻態(tài)計(jì)算電流，從而實(shí)現(xiàn)了63.4%的乘加操作功耗降低。得益于計(jì)算開(kāi)關(guān)比的提升，該RRAM存內(nèi)計(jì)算結(jié)構(gòu)能夠支持更高的輸入并行度和多比特乘加操作。

在電路層面，研究團(tuán)隊(duì)提出了參考電流減式電流型靈敏放大器的讀出電路。由參考電流減支路根據(jù)上一次讀出結(jié)果先對(duì)輸入電流進(jìn)行電流減再送到電流鏡讀出數(shù)據(jù)。參考電流減支路對(duì)半減小了電流鏡輸入電流范圍，使得RRAM存算結(jié)構(gòu)支持的計(jì)算電流范圍倍增，能實(shí)現(xiàn)更高輸入并行和多比特乘加，并取得79.5%的讀出電路功耗降低。研究團(tuán)隊(duì)通過(guò)進(jìn)一步優(yōu)化電流型靈敏放大器電流減配置，實(shí)現(xiàn)積分非線性誤差5倍提升，微分非線性誤差3.75倍提升。

在算法映射層面，研究團(tuán)隊(duì)提出了高位數(shù)據(jù)冗余(MSB_RSM)的映射策略。RRAM存內(nèi)計(jì)算結(jié)構(gòu)配備有不同第二晶體管multiplier參數(shù)的多組陣列和額外的一組冗余陣列。其中不同第二晶體管用于映射多比特權(quán)值的不同比特位。由于RRAM和晶體管非理想因素對(duì)計(jì)算電流的影響不容忽視，冗余陣列用于額外映射權(quán)值對(duì)非理想因素補(bǔ)償。經(jīng)過(guò)對(duì)不同比特位補(bǔ)償效果的分析，MSB-RSM對(duì)高位權(quán)值進(jìn)行操作時(shí)能減小1σ誤差40%。得益于更穩(wěn)定的計(jì)算電流，在ResNet-18模型下的CIFAR-10和CIFAR-100任務(wù)獲得了0.96%和2.83%的準(zhǔn)確度提升。

上述方案在團(tuán)隊(duì)自主開(kāi)發(fā)的嵌入式28nm工藝上得到驗(yàn)證，新型RRAM存內(nèi)計(jì)算結(jié)構(gòu)支持高并行的模擬域乘加操作，在1比特輸入、3比特權(quán)值、4比特輸出下ResNet-18任務(wù)中的平均能效達(dá)到30.34TOPS/W，并可以通過(guò)進(jìn)一步優(yōu)化讀出時(shí)序提升到154.04TOPS/W。該工作通過(guò)單元、電路及系統(tǒng)面的系統(tǒng)設(shè)計(jì)，為高能效、高精度的模擬存內(nèi)計(jì)算提供了新思路。

研究成果以“A 28nm RRAM Computing-in-Memory Macro Using Weighted Hybrid 2T1R Cell Array and Reference Subtracting Sense Amplifier for AI Edge Inference”為題發(fā)表在集成電路設(shè)計(jì)領(lǐng)域旗艦期刊《IEEE Journal of Solid-State Circuits》上，中科院微電子所博士研究生葉望為該文章的第一作者、竇春萌研究員為該文章的通訊作者。

(a)基于RRAM的存內(nèi)計(jì)算芯片結(jié)構(gòu)框圖，(b)芯片晶圓照片及版圖，(c)芯片測(cè)試數(shù)字波形，(d)芯片參數(shù)

來(lái)源：中科院微電子所