清华教授研发忆阻器芯片，可实现存储数据“原地”计算当下

当下，飞速进步的技术给芯片的算力要求带来巨大挑战， “算力焦虑”也成为悬在业界头上的一把剑。而随着摩尔定律逐渐失效，通过增加更多晶体管来提升算力的方法，也很难适应新形势。
要想破局就得有“全新的计算器件、计算范式、和计算架构” 。近期，清华大学吴华强团队在《自然》刊文报告了其团队基于多忆阻器（Memristor）阵列的存算一体硬件实现。

文章图片
图|吴华强（来源：受访者）
不同于利用CPU、GPU进行AI计算的传统方式，他们的忆阻器芯片能在不降低神经网络准确度的前提下，大幅提升算力、同时还可显著降低功耗， “算力焦虑”的一剂良药由此诞生。
【清华教授研发忆阻器芯片，可实现存储数据“原地”计算】而这项成果要从似乎没有“技术感”的在家办公说起，疫情以来在家办公开始流行起来。这种工作方式既能省去通勤时间，还能降低体力消耗。而这一现象启发了吴华强的研究。
他说，假如居家时间是存储，上班时间就是计算。只要去公司办公，路上肯定会消耗时间和能量，遇到交通拥堵，路上耗时会更久。
而当居家和办公融为一体，即在家办公时，时间和体力都会被节约。这和计算机中的“存储-计算”非常相似。如果存储和计算能合二为一，就可用小功耗实现大算力。

文章图片
图|吴华强团队开发的8个包含2048个忆阻器的阵列芯片，可大幅提升进行人工智能计算的算力并显著降低功耗（图片来源：Nature）
有着“特异功能”的芯片
忆阻器，是一种与传统晶体管芯片截然不同的全新芯片概念。早在30年前，加州大学伯克利分校教授蔡少棠预测，除了电阻、电容、电感之外，理论上还应存在第四种基本电路元件，该元件可直接将电荷量与磁通量两个物理量连接起来，这便是忆阻器概念的雏形。
作为一种被动电子元件，忆阻器除了能让一定的电流安全通过，还可在断电后“记住”器件之前的电阻值，因此它最初只被当成存储器来研究。
吴华强回忆称：“当时，存储器行业的发展遇到了一些瓶颈，急需新兴技术打破僵局。阻变存储器或者说忆阻器就是其中很重要的一项新兴技术。 ”
而忆阻器也有很多存储优点：比如尺寸小、速度快、低功耗、与CMOS（互补式金氧半导体）工艺可兼容等。
此外，忆阻器还拥有另一项特殊功能：能在存储数据“原地”实现计算。通常来说，基于传统“冯·诺依曼结构”搭建的计算机，其数据的存储和运算是分开的，平时数据存储在储存器中，需要运算时再把它搬运到运算器里。
然而， AI类应用需要对大量数据进行矩阵运算，其核心是乘法和加法。对此，吴华强评价称：“目前CMOS芯片做大规模矩阵运算的乘加，算力是比较吃紧的，面临着很大挑战。 ”
此前，华为创始人任正非曾表示，未来的边缘计算是存算一体的，要么把CPU做到存储器，要么把存储器做到CPU里，这样才能加快计算速度。而在吴华强看来，基于忆阻器的存算一体，正是上述概念的一种实现。
具体来说，如果用交叉阵列的方式做忆阻器，就可获得一种与矩阵很类似的结构，这种结构既可以存数据，也可以做计算。
需要存储时，忆阻器本身就是存储器；而需要运算时，也无需把数据从存储器中搬到运算器里，因为忆阻器可直接用欧姆定律来做乘法运算。
前面提到，缓解“算力焦虑”需要全新的计算器件、范式和架构。而忆阻器正是这种新趋势的器件代表。
而在忆阻器件上用物理定律来直接做乘法计算和加法计算的方式，也和过去利用与非门做布尔逻辑计算的方法很不一样。
因此，忆阻器可以解决信息科学、尤其是集成电路领域里面的一些核心的问题。这也成为吴华强一直坚持深耕该领域的原因。在AMD时，他就投身于忆阻器方面的研究工作，这项工作得以在清华延续，并最终打造出一支优秀团队。
实验资源不足，没有条件就创造条件
回望这一路，他都在和电子器件打交道。 2000年，吴华强本科毕业于清华大学材料科学与工程系， 2005年博士毕业于美国康奈尔大学电子与计算机工程学院。
随后，他分别在美国AMD公司和飞索半导体公司非易失性存储器研发中心担任高级研究员。