研究人员使用这种新设计框架构建了一个名为 ARYABHAT-1（用于 AI 任务的模拟可重构技术和偏置可扩展硬件）的模拟芯片组原型。这种类型的芯片组对于基于人工智能 (AI) 的应用程序特别有帮助，例如对象或语音识别（例如 Alexa 或 Siri）或需要高速大规模并行计算操作的应用程序。
大多数电子设备，尤其是那些涉及计算的电子设备，都使用数字芯片，因为设计过程简单且可扩展。“但模拟的优势是可在功率和尺寸方面获得数量级的改进。”IISc 电子系统工程系 (DESE) 助理教授 Chetan Singh Thakur 解释说，他的实验室正在开发模拟芯片组。在不需要精确计算的应用中，模拟计算有可能超越数字计算，因为前者更节能。
然而，在设计模拟芯片时，有几个技术障碍需要克服。与数字芯片不同，模拟处理器的测试和协同设计很困难。大型数字处理器可以通过编译高级代码轻松合成，并且相同的设计可以在不同代的技术开发中移植——例如，从 7 纳米芯片组到 3 纳米芯片组——只需极少的修改。
因为模拟芯片不容易扩展——在过渡到下一代技术或新应用时需要单独定制——它们的设计很昂贵。另一个挑战是，在模拟设计中，在精度和速度与功率和面积之间进行权衡并不容易。在数字设计中，只需在同一芯片上添加更多组件（如逻辑单元）即可提高精度，并且可以调整它们的工作功率而不影响设备性能。
ARYABHAT-1 芯片的测试设置。图片来源：NeuRonICS Lab、DESE、IISc
为了克服这些挑战，该团队设计了一个新颖的框架，允许开发像数字处理器一样可扩展的模拟处理器。他们的芯片组可以重新配置和编程，以便相同的模拟模块可以移植到不同代的工艺设计和不同的应用程序中。“您可以在 180 nm 或 7 nm 上合成相同类型的芯片，就像数字设计一样，”Thakur 补充道。
研究人员说，可以在 ARYABHAT 上对不同的机器学习架构进行编程，并且像数字处理器一样，可以在很宽的温度范围内稳定运行。他们补充说，该架构也是“偏置可扩展”的——当电压或电流等工作条件发生变化时，其性能保持不变。这意味着可以为超节能物联网 (IoT) 应用或对象检测等高速任务配置相同的芯片组。
该设计框架是作为 IISc 学生 Pratik Kumar 博士的一部分开发的。工作，并与美国圣路易斯华盛顿大学 (WashU) 麦凯维工程学院教授 Shantanu Chakrabartty 合作，他还担任华盛顿大学麦克唐纳学院驻 IISc 大使。“很高兴看到模拟偏置可扩展计算的理论在现实和实际应用中得到体现，”Chakrabartty 说，他早些时候提出了偏置可扩展模拟电路。
研究人员在目前正在同行评审的两项预印本研究中概述了他们的发现。他们还申请了专利，并计划与行业合作伙伴合作将该技术商业化。
最前沿的电子设计资讯
