近日，復(fù)旦大學(xué)微電子學(xué)院研究者利用晶圓級的二維MoS2半導(dǎo)體材料，研制出了一種可以用于乘法累加運算的新型存內(nèi)計算架構(gòu)，擁有良好的器件耐久性，并且擦寫操作簡單，能夠?qū)崿F(xiàn)較長時間的多值存儲能力，來實現(xiàn)模擬的乘加運算，從而展示了用于未來低功耗和高計算力的存算一體應(yīng)用領(lǐng)域的潛力。
隨著人工智能的不斷發(fā)展，需要更強的算力來處理大量的連續(xù)矩陣運算，而矩陣運算主要包括乘法和累加運算。在傳統(tǒng)的馮·諾依曼計算體系結(jié)構(gòu)中，存儲和邏輯運算電路是分離的，運算的數(shù)據(jù)需要在內(nèi)存單元和運算單元之間來回傳輸，而數(shù)據(jù)傳輸?shù)膸捤俣纫呀?jīng)成為進一步提升其算力的瓶頸。另外，大多數(shù)的非易失性存儲器雖然都能夠?qū)崿F(xiàn)多值存儲，但是隨機性誤差會造成其在神經(jīng)網(wǎng)絡(luò)應(yīng)用中識別準(zhǔn)確率的降低。
為了解決上述的問題，復(fù)旦大學(xué)研究者提出了一種由兩個MoS2晶體管和一個電容組成的新穎2T-1C存內(nèi)計算結(jié)構(gòu)。該結(jié)構(gòu)實用傳統(tǒng)的頂柵集成電路工藝制作而成，利用類似動態(tài)隨機存儲器的存儲單元，可以實現(xiàn)快速簡便寫入編程信息和無限次刷寫編程操作。另外，該存內(nèi)計算結(jié)構(gòu)還可以實現(xiàn)硬件級別的權(quán)重更新、原位訓(xùn)練和自我學(xué)習(xí)，能夠有效的避免因器件本身成對神經(jīng)網(wǎng)絡(luò)的影響，故對于在需要巨量的權(quán)重更新學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練中有著明顯的優(yōu)勢，從而展示了其在用于未來低功耗高計算力的存算融合系統(tǒng)中的巨大潛力。
該工作得到了復(fù)旦大學(xué)ASIC國家專用集成電路重點實驗室的支持。研究成果已以“An In-Memory Computing Architecture Based on Two-Dimensional Semiconductors for Multiply-Accumulate Operations”發(fā)表在Nature Communication上。
