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）的數據信息，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。隨著大數據、人工智能以及物聯網技術的發(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，通過將原始數據映射到高維空間，利用超向量（hypervector）的分布式全息方式來表示數據，并通過綁定、捆綁和重排等輕量化操作來處理數據。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據密集型計算，在傳統(tǒng)計算架構中，數據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