EEPW论坛

　ARYABHAT-1芯片显微照片。图片来源：NeuRonICS Lab， DESE， IISc印度科学研究所（IISc）的研究人员开发了一个设计框架，用于构建下一代模拟计算芯片组，该芯片组可能比大多数电子设备中的数字芯片更快，功耗更低。使用他们新颖的设计框架，该团队构建了一个名为ARYABHAT-1（模拟可重构技术和用于AI任务的偏置可扩展硬件）的模拟芯片组的原型。这种类型的芯片组对于基于人工智能（AI）的应用程序（如对象或语音识别）（例如Alexa或Siri）或那些需要高速大规模并行计算操作的应用程序特别有用。大多数电子设备，特别是那些涉及计算的设备，使用数字芯片，因为设计过程简单且可扩展。“但模拟的优势是巨大的。您将在功率和尺寸方面获得数量级的改进，“IISc电子系统工程系（DESE）助理教授Chetan Singh Thakur解释说，他的实验室正在领导开发模拟芯片组的努力。在不需要精确计算的应用中，模拟计算有可能超越数字计算，因为前者更节能。然而，在设计模拟芯片时，有几个技术障碍需要克服。与数字芯片不同，模拟处理器的测试和协同设计非常困难。通过编译高级代码，可以轻松合成大型数字处理器，并且只需进行最少的修改，即可将相同的设计移植到不同代的技术开发中，例如，从7 nm芯片组到3 nm芯片组。由于模拟芯片不易扩展，在过渡到下一代技术或新应用时需要单独定制，因此其设计成本高昂。另一个挑战是，在模拟设计中，在精度和速度与功率和面积之间进行权衡并不容易。在数字设计中，只需在同一芯片上添加更多元件（如逻辑单元）即可提高精度，并且可以在不影响器件性能的情况下调整它们的工作功率。ARYABHAT-1芯片的测试设置。图片来源：NeuRonICS Lab， DESE， IISc为了克服这些挑战，该团队设计了一种新颖的框架，允许开发模拟处理器，其扩展性就像数字处理器一样。他们的芯片组可以重新配置和编程，以便相同的模拟模块可以移植到不同代系的工艺设计和不同的应用中。“你可以在180 nm或7 nm处合成相同类型的芯片，就像数字设计一样，”Thakur补充道。研究人员说，不同的机器学习架构可以在ARYABHAT上编程，并且像数字处理器一样，可以在很宽的温度范围内鲁棒地运行。他们补充说，该架构也是“偏置可扩展的”——当电压或电流等工作条件被修改时，其性能保持不变。这意味着可以针对超节能的物联网 （IoT） 应用或对象检测等高速任务配置相同的芯片组。该设计框架是作为IISc学生Pratik Kumar博士工作的一部分开发的，并与美国圣路易斯华盛顿大学（WashU）McKelvey工程学院教授Shantanu Chakrabartty合作开发，后者还担任WashU的McDonnell Academy驻IISc大使。“很高兴看到模拟偏置可扩展计算的理论在现实和实际应用中得到体现，”Chakrabartty说，他早些时候提出了偏置可扩展的模拟电路。研究人员在目前正在同行评审的两项印前研究中概述了他们的发现。他们还申请了专利，并计划与行业合作伙伴合作，将该技术商业化。