基于静态随机存取存储器的存内计算研究进展

作者：蔺智挺; 徐田; 童忠瑱; 吴秀龙^*; 汪方铭; 彭春雨; 卢文娟; 赵强; 陈军宁

来源：电子与信息学报, 2022, 44(11): 4041-4057.

• 静态随机存取存储器
• 存内计算
• 人工智能
• 卷积神经网络
• 模数转换器

随着“算力时代”到来，大规模数据需要在存储器和处理器之间往返，然而传统冯·诺依曼架构中计算与存储分离，无法满足频繁访问的需求。存内计算(CIM)技术的诞生突破了冯·诺依曼瓶颈，打破了传统计算架构中的“存储墙”，因此对于“算力时代”具有革命性意义。由于静态随机存取存储器(SRAM)读取数据的速度快且与先进逻辑工艺具有较好的兼容性，因此基于SRAM的存内计算技术受到国内外学者的关注。该文主要概述了基于SRAM的存内计算技术在机器学习、编码、加解密算法等方面的应用；回顾了实现运算功能的各种电路结构，比较了各类以模数转换器(ADC)为核心的量化技术；之后分析了现有存内计算架构面临的挑战并且给出了现有的解决策略，最后从不同方面展望存内计算技术。

• 单位
  电子信息工程学院; 安徽大学