Fundamental Research | 高滨副教授：基于忆阻器的存算一体技术在图像检测中的应用

Fundamental Research 2022-12-31

Fundamental Research 2022年第2卷第1期封面

基于忆阻器的存算一体技术在图像检测中的应用

关键词：存算一体，忆阻器，高能效计算，形态学操作，缺陷检测

随着人工智能（AI）场景的复杂度不断提升，运算单元与存储单元性能的不匹配，成为限制主流硬件计算效率的瓶颈。作为AI应用中的一种重要手段，数学形态学被广泛用于工艺缺陷检测、星点识别、医学图像分析等众多领域。然而受内存带宽的限制，它并不适合在传统的硬件平台，例如中央处理器CPU、图形处理器GPU等中实现。在一些处理大规模图像的AI应用场景中，硬件平台暴露的算力瓶颈问题尤为明显。

忆阻器（Memristor）作为一种新型存储器件，具有低功耗、低泄露电流、可大规模集成并与传统CMOS工艺兼容等优势。忆阻器阵列同时兼备存储和计算功能，近几年受到众多研究者的关注。忆阻器和存算一体技术的融合，大大减少了数据来回搬运的次数，有望打破冯诺依曼计算架构带来的算力瓶颈问题。这种新一代计算范式，也为实现硬件的形态学操作提供了一种可能的解决方案。

近期，清华大学集成电路学院吴华强、高滨团队在国家自然科学基金委员会主管、主办的 Fundamental Research 期刊上，发表了关于忆阻器应用于数学形态学的研究成果。在研究中，提出了一种适用于忆阻器阵列实现的数学形态学硬件方案。在集成了多个忆阻器阵列的存算一体系统中，成功演示了对工艺图像的缺陷检测和对医学肺部图片的形状提取（图1）。计算结果和软件处理效果相当，验证了基于忆阻器的存算一体技术实现数学形态学计算任务的可行性。为进一步实现高并行度、高效率的图像处理任务，本研究中提出了包含4个形态学处理层的计算系统。同时对阵列及外围电路的硬件分析结果显示，整体系统的计算能效比主流硬件平台高两个数量级。

图1. 基于忆阻器的存算一体技术，在缺陷检测任务中的应用。

以上内容节选自期刊Fundamental Research 2022年第1期发表的文章“Y. Zhou, B. Gao, Q. Zhang, Application of mathematical morphology operation with memristor-based computation-in-memory architecture for detecting manufacturing defects, Fundamental Research 2(1)(2022) 123-130”。

请识别二维码下载PDF原文

主要作者简介

高滨 清华大学集成电路学院副教授。目前致力于先进存储器和存算一体芯片研究，担任了IEDM、EDTM、ICTA的技术分委会主席，DAC、IRPS、IPFA的技术委员会委员。

周颖 清华大学集成电路学院博士。主要研究方向是基于忆阻器阵列的神经网络功能演示与性能评估。

本期精彩回顾

1. “先进生物技术” 专题 || Fundamental Research 2022年第1期发布

2. Fundamental Research | 杨运桂、黄旲研究员：RNA甲基化m⁵C调控液-液相分离

3. Fundamental Research | 李伟研究员：降低细胞机械收缩可抑制组织器官纤维化

4. Fundamental Research | 聂广军研究员：人工途径介导的细菌外膜囊泡OMV肿瘤疫苗激活较强的抗肿瘤免疫反应

5. Fundamental Research | 何爱彬教授：实时成像记录小鼠先心病形成的全景图

6. Fundamental Research | 张强锋研究员：使用RNA结构新技术理解免疫细胞中RNA降解

7. Fundamental Research | 周翔院士：化学标记检测m⁶A存在的机遇与挑战