【半导体】一种新型的超大规模光电混合存算方案

主要观点总结

文章介绍了新加坡国立大学Aaron Thean教授团队在人工智能领域的研究成果，包括新型光电混合存算阵列的设计和实验结果。该研究解决了传统基于忆阻器的CIM架构面临的挑战，在深度学习模型的推理准确性、可扩展性和能效方面表现优越。

关键观点总结

关键观点1: 研究背景及问题

随着深度学习技术不断发展，神经网络模型对计算硬件性能提出了更高要求。传统的CIM架构在应对这些挑战时面临IR压降问题，限制了阵列规模的扩展。

关键观点2: 研究内容及方法

Aaron Thean教授团队提出了一种新型的光电混合存算阵列，通过光电混合设计消除了传统CIM架构的IR压降问题，支持更大的阵列规模。该架构结合了电子和光子技术的优势，利用光电转换实现无损的列线求和。

关键观点3: 关键技术与成果

研究中的关键技术包括双晶体管单调制器（2T1M）和铌酸锂马赫曾德调制器的应用。该架构在推理精度、可扩展性和能效方面取得了显著成果，实现了高达93.3%的推理精度，阵列规模扩大了150倍以上，功耗效率提高了37倍。

关键观点4: 研究团队介绍

研究团队包括赵石、许泽锋、杨洁等研究人员以及Aaron Thean教授。其中赵石是电子工程博士候选人，研究方向聚焦于稀疏神经网络与光AI芯片系统设计。许泽锋是香港科技大学微电子学域助理教授，研究内容包括光计算、光互连等。杨洁是电子工程博士候选人，从事铌酸锂光电器件研究。