據(jù)復旦工研院消息，近日，該院張立華課題組參與的芯片院存算一體智能處理器研究團隊，針對后摩爾時代的人工智能處理器設(shè)計的相關(guān)挑戰(zhàn)，提出了多芯粒集成存算一體人工智能芯片 COMB-MCM。
該系統(tǒng)在發(fā)揮存算一體“非馮”架構(gòu)的性能和能效優(yōu)勢的同時，避免模擬計算電路的計算誤差，并且利用多芯粒集成技術(shù)實現(xiàn)了流片后的算力可擴展性。
據(jù)介紹，存算一體（Computing-In-Memory，CIM）架構(gòu)通過將數(shù)據(jù)存儲單元和計算單元融合為一體，徹底消除不必要的數(shù)據(jù)搬移，破解了傳統(tǒng)馮諾伊曼架構(gòu)處理器與存儲器分離，訪存瓶頸導致的“存儲墻”和“功耗墻”問題，極大提高了算力和能效。
該技術(shù)在需要密集訪存的 AI 應(yīng)用中展現(xiàn)出超高的能效，被認為是下一代人工智能芯片的關(guān)鍵技術(shù)。
復旦大學的工作主要從三個層面進行了技術(shù)探索和創(chuàng)新：
在架構(gòu)層面，提出了基于 SRAM 的存邊計算型存算一體架構(gòu)（Computing-On-Memory-Boundary，COMB），進一步減少現(xiàn)有存算融合系統(tǒng)中權(quán)重更新引起的數(shù)據(jù)搬移，降低系統(tǒng)功耗開銷；
在電路層面，提出了支持細粒度雙極稀疏感知的存算融合宏單元電路結(jié)構(gòu)，在不增加額外檢測電路的情況下兼容任意的稀疏模式，降低人工智能算法的計算功耗；
在系統(tǒng)層面，提出了基于逐層流水線的多芯粒算法映射方法，并搭建了多芯粒集成（Multi-Chip-Module，MCM）可擴展系統(tǒng)來支持不同復雜度的人工智能任務(wù)。面對不同規(guī)模神經(jīng)網(wǎng)絡(luò)時，通過配置芯粒的數(shù)量，實現(xiàn)計算與存儲需求的按比例增長，可避免了“一系統(tǒng)一設(shè)計”的重復研發(fā)成本，也為未來單一封裝內(nèi)的異質(zhì)異構(gòu)集成提供了一個新的設(shè)計思路。
官網(wǎng)文章稱，該人工智能芯片方案分別采用 65nm 和 28nm 工藝制造，65nm 工藝下通過 2.5D 封裝的 MCM 系統(tǒng)驗證了方案的可行性，并在 28nm 工藝下實現(xiàn)了更好的性能。
相關(guān)研究成果發(fā)表在被譽為“集成電路奧林匹克”的國際固態(tài)電路會議 ISSCC 2022。微電子學院博士研究生朱浩哲、工程與應(yīng)用技術(shù)研究院碩士研究生焦博、張錦山為共同第一作者，芯片與系統(tǒng)前沿技術(shù)研究院青年副研究員陳遲曉為該論文通訊作者。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。