基于全模拟忆阻存内计算[1]的神经形态去噪技术

《Advanced Intelligent Systems》:Neuromorphic Denoising with Fully Analog Memristive In-Memory Computing

【字体: 大 中 小 】 时间:2026年05月19日 来源:Advanced Intelligent Systems 6.1

编辑推荐:

  模拟存内计算(Compute-in-Memory, CIM)技术利用存储器件的物理特性消除存储单元与处理器间重复的数据搬运。由于避免了信号域转换,该技术适用于感知后处理系统。然而当前面临两大核心挑战:缺乏面积高效的模拟缓冲器以完成模拟计算流程,以及连续信号路径

  
模拟存内计算(Compute-in-Memory, CIM)技术利用存储器件的物理特性消除存储单元与处理器间重复的数据搬运。由于避免了信号域转换,该技术适用于感知后处理系统。然而当前面临两大核心挑战:缺乏面积高效的模拟缓冲器以完成模拟计算流程,以及连续信号路径中不可避免的噪声累积。现有方案或通过引入额外功耗与面积开销缓解上述问题,或通过引入数字电路牺牲模拟CIM的设计理念。本研究借鉴人类大脑的情景记忆机制,实验实现了一种基于忆阻器的神经形态去噪流程。研究人员实验展示了一种均质忆阻器处理单元,可同时实现时序存储与神经网络计算,模拟人脑突触功能。此外,基于前期情景记忆功能建模研究,实验构建了采用所提均质忆阻器核的模拟神经形态去噪系统。得益于该神经形态设计,相较于最新模拟计算神经网络工作,本方法将能效提升数倍,整体片上模拟缓冲器面积缩减数倍,并实现面积效率的大幅改善。
本研究针对模拟存内计算(Analog Compute-in-Memory, CIM)技术在落地过程中面临的模拟缓冲器面积开销大与信号链噪声累积两大瓶颈,发表于《Advanced Intelligent Systems》。研究人员受人类大脑情景记忆机制的启发,提出了一种基于均质忆阻器核的神经形态去噪架构,将时序缓存与神经网络计算融合于同一忆阻器阵列中,成功消除了传统方案中模拟信号链的噪声累积效应,并大幅降低了系统面积与功耗。
为实现上述目标,研究人员采用了四项关键技术方法:一是构建仿生均质忆阻器处理单元,复用阻变存储器(Resistive Random Access Memory, RRAM)阵列同时承担新皮层长时记忆(权重存储)与海马体短时记忆(时序缓存)功能;二是采用脉冲宽度调制(Pulse Width Modulation, PWM)编码传输信号,利用其边沿特性抑制传输过程中的噪声干扰;三是引入生物突触阈值量化机制,通过输出重采样电路切断跨级噪声传递路径;四是基于商用180 nm工艺节点进行电路仿真验证,并在实际制备的1T1R RRAM硬件平台上完成了变分自编码器(Variational Auto-Encoder, VAE)模型的推理演示。
2.1 模拟神经形态存内计算
研究人员构建了一种改进型模拟神经形态CIM架构,包含对应于新皮层长时记忆的紫色交叉开关阵列与对应于海马体短时记忆的蓝色交叉开关阵列。长时记忆核以二进制格式存储神经网络权重,输入为PWM波,利用基尔霍夫定律完成乘累加(Multiply-Accumulate, MAC)操作;短时记忆核则利用忆阻器的单脉冲复位特性存储中间计算结果(部分积),以脉冲幅度调制(Pulse Amplitude Modulation, PAM)波形式写入。连接电路中的写入模块负责电压适配,重采样器则用于消除忆阻器非线性响应。整个数据流分为四个阶段:输入PWM量化编码、长时记忆MAC计算与积分、短时记忆写入与存储、短时记忆读出与重采样量化,最终再次生成PWM波供后续计算使用。
2.2 抗噪突触信号
针对模拟信号链中的噪声累积问题,研究人员借鉴生物神经系统的抗噪机制,采用PWM编码替代传统的PAM编码。理论分析表明,在相同输入噪声下,PAM波受噪声影响至少是PWM波的若干倍,因为PWM仅受单边沿噪声干扰且具有噪声累积上限。然而,由于忆阻器写入过程必须采用PAM波,缓存环节仍会引入噪声。为此,研究人员模仿突触后膜受体阈值机制,设计了输出重采样电路,将模拟PWM波进行多次采样量化。该过程将连续的噪声转化为神经网络可容忍的量化误差,在保留模拟存储高密度优势的同时,切断了噪声的跨级传播路径。仿真结果显示,该方法在实测器件变异条件下获得了最优的信噪比(Signal-to-Noise Ratio, SNR)表现。
2.3 神经形态去噪系统
研究人员基于情景记忆模拟需求,部署了VAE生成模型。受限于交叉开关阵列规模,实际硬件仅演示了VAE编码器的首层运算,通过时分复用与短时记忆核配合完成计算。实验使用了3D-Shapes数据集,硬件生成的图片虽略有模糊,但验证了架构的可行性。在性能评估上,硬件输出相比软件量化基线仅下降了5.26%。进一步的电路仿真表明,相较于采用电容的传统模拟缓冲方案,该架构归一化能效提升了2.098倍;即便与无模数转换器(Analog-to-Digital Converter, ADC)的忆阻器方案相比,能效也提升了1.849倍。此外,该系统在癫痫检测与MNIST生成任务中也展现了良好的通用性。
3 结论与讨论
研究人员实验展示了一种基于阻变忆阻器、模拟大脑海马体与新皮层突触行为的模拟神经形态去噪系统。通过借鉴生物信号传输机制,证实了PWM编码信号具有噪声累积上限,并利用输出重采样实现了类似生物脉冲计数的阈值量化,有效容忍了器件变异。该系统显著提升了计算能效与面积效率,解决了传统模拟存储设计中的噪声累积难题。未来的研究方向包括进一步演示非线性激活函数,以及优化忆阻器写操作精度以提升行并行度。该研究为全模拟计算系统的非理想性问题提供了一种可行的类脑解决方案。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号