時空信號是指在特定時間窗口內（時間域）并包含有多個通道（空間域）的數(shù)據(jù)信息，如生物信號、氣候信號、視頻信號以及多模態(tài)的各種傳感器信號等等。隨著大數(shù)據(jù)、人工智能以及物聯(lián)網(wǎng)技術的發(fā)展，越來越多的邊緣智能設備得到普及。如何在邊緣設備上實時處理、分析和解釋時空信號已成為未來社會智能化發(fā)展的一項重要挑戰(zhàn)。

高維計算（Hyperdimensional Computing）借鑒了大腦處理信息的方式，通過將原始數(shù)據(jù)映射到高維空間，利用超向量（hypervector）的分布式全息方式來表示數(shù)據(jù)，并通過綁定、捆綁和重排等輕量化操作來處理數(shù)據(jù)。因此，在處理復雜模式識別任務時具有高效性、魯棒性和可擴展性優(yōu)勢。但由于高維計算是一種數(shù)據(jù)密集型計算，在傳統(tǒng)計算架構中，數(shù)據(jù)需要在存儲和計算單元之間頻繁的搬運，導致較高的延遲和能耗，限制了其在資源有限的邊緣端應用。

針對這一問題，微電子所微電子器件與集成技術研發(fā)中心劉明院士團隊的尚大山研究員與香港大學合作，基于阻變存儲器（RRAM）的存內計算范式，開發(fā)了面向時空信號處理的存內高維計算編碼技術。團隊采用2T2R（兩個晶體管與兩個RRAM為一個單元）陣列作為存內高維計算的編碼器，通過在編碼器中原位執(zhí)行綁定和捆綁操作，并通過設計簡單的外圍電路進行重排操作，實現(xiàn)了對時空信號的編碼。該方法利用電阻分壓原理映射超向量的元素，避免了矩陣—向量乘法過程中的陣列會聚電流過大的問題。此外，團隊采用1T1R陣列作為關聯(lián)記存儲器。在訓練階段，每個類別編碼后的超向量通過疊加構成該類的原型向量，并預先存儲至關聯(lián)記憶存儲器中。在推理階段，輸入的時空信號首先被編碼為查詢超向量，然后以存內搜索的方式與關聯(lián)記憶存儲器中的類原型向量進行相似度計算。具有最大相似度的類即為預測結果。該設計在基于腦肌電信號的手勢識別任務中實現(xiàn)了97.96%的識別率。40nm工藝節(jié)點仿真結果表明該設計具有高魯棒、高通量、低延時等優(yōu)勢，同時計算能效相較于當前的已報道的高維計算編碼器提升了39倍。這項研究結果為在資源有限的邊緣系統(tǒng)實現(xiàn)對時空信號的實時處理提供了一種高效的解決方案。

該項研究得到了科技部、國家自然科學基金委、中科院的支持。成果近期發(fā)表在《IEEE電路與系統(tǒng)學報II：快報》期刊上（IEEE Transactions on Circuits and Systems II: Express Briefs, DOI: 10.1109/TCSII.2024.3352120），微電子所碩士研究生李志為文章的第一作者，微電子所尚大山研究員和香港大學王中銳博士為文章的通訊作者。

文章鏈接：https://ieeexplore.ieee.org/document/10388038

論文信息：

2T2R RRAM-based In-Memory Hyperdimensional Computing Encoder for Spatio-Temporal Signal Processing

Zhi Li, Rui Bao, Woyu Zhang, Fei Wang Jun Wang, Renrui Fang, Haoxiong Ren, Ning Lin, Jinshan Yue, Chunmeng Dou, Zhongrui Wang*, Dashan Shang*

IEEE Transactions on Circuits and Systems II: Express Briefs (TCAS-II)

DOI: 10.1109/TCSII.2024.3352120 (2023)

圖1:存內高維計算編碼器和關聯(lián)記憶存儲器工作原理示意圖

圖2:存內高維計算編碼器工作流程、真值表和編碼電路瞬態(tài)響應