電子發燒友網綜合報道在當今計算技術快速發展的背景下，模擬計算作為一種獨特的計算范式，正逐漸展現出其獨特的魅力與潛力。與傳統的數字計算不同，模擬計算并非依賴于離散的數字信號進行運算，而是直接利用物理定律，通過連續變化的物理量（如電壓、電流等）來執行計算任務。這種計算方式在能效和速度方面具有顯著優勢，因為它省去了數字計算中復雜的數模轉換過程，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據存儲緊密結合，直接在存儲單元內部執行計算操作，從而避免了數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據的場景，如神經網絡推理、圖像處理等，為AI硬件的發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勢，但當前仍普遍面臨計算精度低、計算穩定性不足的挑戰。這主要由于現有模擬硬件的計算方案高度依賴器件的內在物理參數（如電阻值），這些物理參數在每次編程時往往存在較大隨機偏差，且極易受到環境因素（如溫度）的影響。上述特性使得現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方式從不穩定、易受環境干擾的物理參數（例如器件電阻）轉向高度穩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了僅0.101%的均方根誤差，創下了模擬向量-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的極端環境下依然能穩定運行，矩陣計算的均方根誤差分別維持在0.155%和0.130%的水平，展現出在極端環境下保持計算精度的優秀能力。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方式從器件參數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定性的特點，實現高精度計算（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)實現效果示意圖。利用器件物理尺寸的穩定性，本方案可實現超越傳統方案的計算精度。(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），體現出極高的計算精度。進一步的統計結果顯示，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優異。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：利用團隊研發的高精度模擬存算芯片執行圖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%），顯著優于傳統模擬計算硬件（+3.82%）。進一步，團隊測試了該芯片在科學計算應用中的表現。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），而傳統低精度模擬計算硬件在執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。(A)神經網絡結構與數據集。(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%），顯著優于傳統模擬計算硬件（+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境中有效保持計算精度的魯棒性。即使在外界環境變化條件下，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（-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（-173.15℃至286.85℃）進行測試的示意圖。(D)-(F)寬溫區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定性的超高精度模擬計算方案）為題，于2025年9月12日發表在學術期刊ScienceAdvances上。