存内计算技术全谱研究综述
近日，北京大学集成电路学院、人工智能研究院，集成电路高精尖创新中心黄如院士-孙仲研究员课题组联合国内外专家学者，在《自然·电子》（Nature Electronics）在线发表题为“A full spectrum of computing-in-memory technologies”（存内计算技术全谱）的综述论文。该论文提出存内计算技术全谱概念，对所有类型存内计算技术进行了原理性分类，从而为比较每种不同技术的性能提供了一个平台，同时有望启发新型存内计算技术。
近年来，面向人工智能等数据密集型应用，为了突破芯片算力瓶颈，后摩尔时代新器件和计算架构成为芯片发展的研究重点。其中，存内计算作为一种新型计算技术，得到学术界、工业界的广泛关注与大量研究投入。相关研究方向包含从基础电子器件到高层级架构、大规模系统等各个层级，从成熟硅基存储器到新兴阻变存储器等各类元器件。尽管名称相同，不同类型存内计算技术的基本原理存在很大不同，具体取决于：
1、输入操作数是否由存储单元原位提供；
2、计算输出是否原位回存至存储单元；
3、输入/输出数据是易失性的还是非易失性的；
4、输入/输出数据是否以相同的物理变量表示。这些差异使得人们很难对不同存内计算技术形成包容性的全面了解，也阻碍了学术界和工业界不同领域（如半导体器件、IC设计、计算机体系结构等）之间的理解与沟通。
存内计算用于克服传统计算架构中的冯·诺依曼瓶颈，为提高芯片算力与计算能效提供一个可持续性的解决方案。不同存内计算技术的基础是利用硬件实现两种计算原语：逻辑门和乘累加运算。观察任一原语中的输入和输出，存内计算技术在存储单元如何参与计算过程方面有所不同。论文通过鉴别存储单元作为输入和/或输出参与计算的程度，提供了所有存内计算技术的全谱分类。这一分类方式对于所有存储器类型都成立，包括成熟的或新兴的、易失性或非易失性的、电阻性的或电容性的存储技术。论文阐明了全谱范围内标准存内计算技术的详细原理，为不同技术的优劣衡量、改进方向提供一个统一的视图，将有力支持存内计算技术的长期发展与实际应用。该分类法还可以通过将全谱应用于不同的存储器件和计算原语来开发其它新型存内计算技术。审稿人认为，该论文将为存内计算领域的研究人员提供指导。
