清华大学钱鹤、吴华强教授团队在IEDM 2022发表4篇存算一体技术论文

集微网消息，近日，第68届国际电子器件大会（IEDM 2022）在美国举办。其中清华大学集成电路学院钱鹤、吴华强团队发表4篇学术论文，报道了存算一体技术领域的最新进展。4篇文章涉及单片三维集成混合存算一体架构、存算一体芯片的多尺度热建模、基于存算一体的同态加密和存算通一体多个前沿领域。

一、基于单片三维集成的混合存算一体架构

该论文提出一种基于单片三维集成的混合存算一体架构，实现了硅CMOS逻辑层、基于RRAM的存算一体层和基于碳纳米管（CNT）/氧化铟镓锌（IGZO）的近存计算层的片上垂直堆叠，通过高密度层间通孔（ILV）提供的超高带宽优势，可高效实现大规模复杂神经网络运算。此外，该论文利用后道兼容低温工艺首次实现基于CNT/IGZO的后道CFET结构，以此为基础单元实现后道CMOS近存计算功能层，实现神经网络层之间的缓存和逻辑运算。

二、基于RRAM的存算一体芯片的多尺度热模型

该工作对基于RRAM的存算一体芯片进行多尺度热建模，对影响温度分布的散热方式、技术节点、RRAM阵列功耗、ADC与DAC功耗等多种因素进行了评估。并结合RRAM紧凑模型研究了RRAM器件随温度的电导漂移，及其对神经网络的精度退化的影响，并提出了有效的改善方法。该研究对基于RRAM的存算一体芯片运行深度神经网络，改善温度引起的计算精度下降具有重要参考价值。

三、基于存算一体的同态加密

该工作首次在阻变存储器(RRAM)阵列上实现同态加密，其中RRAM阵列分别用作矩阵向量乘法(MVM)单元和真随机数发生器(TRNG)，来加速多项式模乘和产生小噪声。为了基于同一RRAM器件上实现MVM和TRNG两种不同的功能，该工作采用了不同的初始化方案来调制噪声，使基于RRAM的MVM和TRNG分别获得了较高的稳定性和较好的随机性。之后，该工作在具有8个144Kb RRAM阵列的硬件系统上实验了对隐私保护云推理任务的同态加密解密过程，基于RRAM阵列的同态加解密过程在实现了很小的精度损失的同时大大降低了功耗和时间开销。

四、基于存算一体的混合预编码

为实现大规模MIMO混合预编码所需要的大规模矩阵乘，该工作首次实现了128K全并行大规模模拟阻变存储器阵列。为了解决大规模阵列中的IR-drop问题，该工作提出了一个紧凑模型以及相应的补偿方案。为了降低混合预编码的计算复杂性，该工作设计了一种新的与CIM兼容的模拟预编码算法框架和权重映射策略。最终，该工作实现了基于RRAM阵列的混合预编码，其性能相对于基于FPGA的混合预编码基本没有降低，且有超过20倍的能效提升。该工作首次探究了基于RRAM阵列的存算通一体的可行性。

据悉，自2016年始，清华大学集成电路学院钱鹤、吴华强团队已连续7年在IEDM大会上累计发表论文18篇。（校对/吕佳妮）