數字存內計算設計與應用
數字存內計算EDA
數位存內計算技術可為AI晶片帶來更高的計算能效，但是現有的EDA工具並不支援自動化的存內計算模組設計。本中心開發了一個自動化的平台工具AutoDCIM，為世界首創，可以按使用者需要產生相應的存內計算模組供SoC設計使用。
工具可與存內計算優化模組CIM-DSE配合，利用基於多種模版生成的數位存內計算設計資料，對存內計算加速器進行設計空間搜索，對給定的設計目標進行尋找最優化的硬件設計。CIM-DSE 將考察多個硬件設計參數，例如模組大小，核心數目，緩存大小等，進行性能、功耗與面積的設計平衡。
模組設計優化
AutoDCIM 以使用者定義的設計規格作為輸入，自動產生一個數位存內計算模組單元，其版圖設計是利用一個基於模版的版圖生成器和版圖搜索演算法優化生成。
本中心利用AutoDCIM工具在40納米工藝上探索了設計從4Kb 到 256Kb陣列大小的數位存內計算模組。自動化產生的數位存內計算模組與現有設計相比較可以實現較高的面積與功耗效率。
基於AutoDCIM設計優化的數位存內計算單元也已在28nm上完成流片驗證，測試結果達到世界先進水準，可為不同的人工智慧計算晶片提供計算單元。
流片技術成果
中心的數位電路存內計算單元模組已成功採用 28 納米 技術進行製造驗證。我們的 AC-DCIM 模組展示了最好的計算效率高達 26 TOPS/W，比台積電的類似設計 （縮放至 22 納米）提升了 34%，代表了最先進的性能，可用於高性能的邊緣計算晶片中。
數字存內計算應用
我們研發的可擕式基因組分析原型機充分展現了DCIM技術的實際應用潛力。該設備可在偏遠或資源有限環境中實現更快、更低成本的基因組分析，使先進醫療檢測工具突破地域限制。 通過突破傳統計算平台的性能瓶頸我們的發明為各行業和社區提供更智能、 更環保、更高效的解決方案， 為人工智能驅動的應用、醫療健康等領域開闢了全新可能。