2026-02-02 14:03
鏈接已複製
字體：小大
柔性電子器件因其超薄、輕質、可貼合、可定製及低成本等優勢，正深刻改變可穿戴醫療、植入式神經記錄、人機交互和物聯網等應用形態。近年來，穩定且高良率的薄膜晶體管（TFT）技術使在柔性基板上大規模集成電路製造成爲可能。同時，柔性多模態傳感與本地協同處理的深度融合，以及高性能邊緣智能的快速發展，對能夠高效加速神經網絡推理的柔性處理器提出了迫切需求，而傳統硬件架構在能效、可靠性和機械適應性方面面臨顯著挑戰。
針對上述瓶頸，清華大學集成電路學院任天令教授團隊提出了FLEXI——面向邊緣智能加速的柔性數字存內計算芯片。FLEXI採用低溫多晶硅（LTPS）CMOS工藝製造，兼具輕薄、低成本和高能效等優勢。該系列包括FLEXI-1（1 kb）、FLEXI-4（4 kb）和FLEXI-32（32 kb）三種規格，最多集成約26.5萬個晶體管。每顆柔性芯片在單一基片上集成了SRAM存儲陣列、計算單元及外圍電路。通過覆蓋製造工藝、電路結構與算法設計的跨層級協同優化（CLCO）策略，FLEXI實現了穩定、高速、並行的點積運算，在工藝波動與機械形變條件下仍保持優異的精度、面積效率與能效表現。
圖1.基於LTPS-TFT技術的柔性晶圓與芯片結構示意圖
在體系結構上，FLEXI採用高度可擴展的模塊化存算一體架構。每個模塊由6T-SRAM單元及嵌入式、可重構的本地處理單元（RLPU）構成。RLPU由四個n型晶體管和兩個作爲本地放大器的反相器組成，利用緊湊的動態邏輯完成計算結果感知，並以單比特形式輸出。多個RLPU的輸出經總線路由並由上拉p型晶體管匯聚，實現多位並行計算。該模塊化設計支持在單個宏單元中靈活擴展位寬與分區規模，各模塊並行計算部分乘積，最終彙總得到運算結果，從而高效支持神經網絡中的單指令多數據（SIMD）運算。爲降低神經網絡權重反覆寫入帶來的能耗與時延開銷，研究團隊針對不同存儲容量設計了一組輕量級神經網絡模型，實現權重的片上一次性部署。這些模型可在FLEXI芯片上高效處理心電信號、數字、語音、圖像及多模態生理信號等多種數據類型，即使在最小規模的FLEXI-1芯片上亦可穩定運行。
圖2.FLEXI存內計算架構電路；結合量化感知訓練與貝葉斯優化的雙環訓練策略；芯片上權重分佈可視化
實驗結果表明，FLEXI所採用的6T-SRAM單元具有對稱的電壓傳輸特性和近軌到軌輸出能力，亞穩態電壓增益約爲80，實現可靠的雙穩態存儲。芯片可在2.5–5.5 V電源電壓範圍內穩定運行，並在半徑1 mm、180°對摺條件下經受超過4萬次彎折循環而性能無明顯退化。在FLEXI-1上，研究團隊展示了高性能模式（12.5 MHz、2.52 mW）與超低功耗模式（1.19 MHz、55.94 μW）。此外，FLEXI在10¹⁰次固定與隨機輸入乘法運算中實現零錯誤運行，整體良率約爲70%–92%，單芯片成本低於1美元，並具備長期運行穩定性。與已報道的柔性計算芯片相比，FLEXI的時鐘頻率提升5.7–11.2倍，能量延遲積（EDP）降低87.8%–99.1%；相較於同步CPU，其頻率提升15.7–27.5倍，EDP降低3–4個數量級。高性能、低功耗與優異機械可靠性的結合，使FLEXI成爲面向邊緣人工智能應用的極具潛力的柔性計算平臺。
圖3. 6T-SRAM柔性單元顯微圖、電路結構及傳輸特性；FLEXI-4在存算模式下的Shmoo測試；FLEXI-4經受43000次摺疊測試過程中的性能監測；FLEXI系列芯片與其他柔性計算芯片的綜合性能對比
在應用驗證方面，FLEXI可在邊緣環境中實現高效、本地化的即時數據解釋。研究團隊將其用於日常活動的連續監測與識別，展示了在便攜式高保真生理監測和多模態傳感器內計算中的應用潛力。團隊採集了10名受試者在坐姿、緊張、步行、慢跑和騎行等狀態下的心率、呼吸頻率、體溫及皮膚水分等多模態生理信號，經預處理後構建輕量級四通道卷積神經網絡，並在FLEXI-1上實現一次性片上部署。通過量化感知訓練，該模型在測試集上取得97.4%的分類準確率。
圖4. FLEXI用於日常活動監測與分類的系統流程：數據採集、預處理、神經網絡訓練與片上推理；可一次性部署的四通道卷積神經網絡結構；FLEXI-1不同電壓條件下單次推理的延遲與能耗
總體而言，FLEXI是一種基於LTPS-TFT技術的柔性數字存內計算芯片。通過工藝-電路-算法協同優化，FLEXI在實現神經網絡一次性部署的同時，兼具高可靠性、卓越能效、高成品率（70%–90%）與良好可擴展性。該芯片在高頻計算、極端機械應力及加速老化條件（-40至+80 °C溫度循環、90%相對溼度、UVA-340及全光譜輻照）下均保持穩定、無誤差運行，並展現出超過6個月的長期穩定性。相關成果爲柔性電子器件在移動醫療、嵌入式智能及其他邊緣計算場景中的應用奠定了堅實基礎。
圖5.Nature News & Views中對本工作柔性存算芯片與傳統計算機硬件的對比
1月28日，上述研究成果以“一種用於邊緣智能的柔性數字存內計算芯片”（A flexible digital compute-in-memory chip for edge intelligence）爲題，發表在國際頂級學術期刊《自然》（Nature）上。
研究成果獲得了《自然》（Nature）的“新聞與觀點”（News & Views）欄目專題報道。柔性電子專家克里斯·米尼（Kris Myny）和傑哈德·布瓦卡茲（Djihad Bouakaz）發表新聞“用於可穿戴技術的可彎曲AI芯片”（A bendable AI chip for wearable technology），高度評價本工作“通過對芯片製造工藝、電路設計和運行算法的全面優化，將柔性電子技術推向了新的高度…報道了在柔性基板上直接實現AI芯片的方案，填補了柔性電子技術領域的重大空白，爲人工智能應用提供了專用、可擴展且低功耗的計算硬件…爲面向邊緣計算的超低成本AI系統開闢了道路”。
清華大學集成電路學院2021級博士生閆岸之、2021級碩士生閆澗瀾、2022級碩士生沈鵬輝，以及北京大學集成電路學院2023級博士生符一涵爲論文共同第一作者；清華大學集成電路學院任天令教授、清華大學信息國家研究中心劉厚方副研究員及北京大學人工智能研究院燕博南助理教授爲共同通訊作者。清華大學集成電路學院楊軼副教授等爲論文共同作者。清華大學爲本論文的第一單位。
該研究得到國家自然科學基金委員會、科技部、北京信息科學與技術國家研究中心及北京市自然科學基金委員會等機構的支持。
