← 返回 JSSC 论文列表JSSC 2022第1期Memory40nmEmerging MemoryCIM
A 40-nm 64-Kb 5667 TOPSW V oltage-Sensing Computing-In-MemoryDigital RRAM Macro
40纳米工艺64Kb RRAM宏单元，支持1-8位可编程向量矩阵乘法，峰值能效达56.67 TOPS/W。
56.67 TOPS/W, 1-8位输入和权重, 20位输出
存内计算RRAM电压感应迭代写入能效
▸创新点1：基于主动反馈的电压感应读取技术，通过动态调整反馈环路增益实现1-8位可编程向量矩阵乘法，解决了RRAM阵列高低阻态电阻比不足的问题，显著提升了计算精度和能效（峰值能效达56.67 TOPS/W）。
▸创新点2：迭代写入与验证技术，采用闭环控制策略在编程阶段实时校准RRAM单元电阻值，确保阵列电阻分布紧密（标准偏差降低30%以上），提升了CIM操作的可靠性和一致性。
▸创新点3：在线读取干扰检测机制，在CIM运算后台持续监测RRAM单元的读干扰效应，通过动态刷新策略将数据错误率降低至1e-6以下，属于系统级可靠性创新。
▸创新点4：混合CIM/数字架构设计，结合模拟域电压感应计算与数字域精度扩展技术，支持20位无量化输出，突破了传统存内计算位宽限制（方法创新+电路创新）。
Abstract
Computing-in-memory (CIM) architectures have
gained importance in achieving high-throughput energy-efficient
artificial intelligence (AI) systems. Resistive RAM (RRAM) is a
promising candidate for CIM architectures due to a multiply-
and-accumulate (MAC)-friendly s tructure, high bit density,
compatibility with a CMOS process, and nonvolatility. Notwith-
standing the advancement of RRAM technology, the reliability of
an RRAM array hinders the spread of RRAM applications such
that a circuit-technol