第610章 忆阻器

他们现在想达到的研究目标，就是将存储和计算融合在同一个物理操作中。

 如果采用忆阻器或者类似的交叉阵列结构，就能基本实现这个目标。

 例如，可以将这个阵列想象成一个棋盘，每一行代表一个输入电压信号，每一列代表一个输出电流信号，那么，每一个交叉点，就是一个忆阻器单元，其中的电导值，就代表了一个矩阵中的权重。

 而要利用物理定律实现这个矩阵乘法，首先可以通过特定的电脉冲，将训练好的神经网络权重值，精确地编程到每个忆阻器的电导值上，这一步就相当于把模型固化在了硬件里。

 当需要计算时，将输入向量转换成相应的电压信号，同时施加到阵列的行线上，再根据欧姆定律（i=v*g），每个忆阻器就会产生一个与其输入电压和自身电导成正比的电流。

 然后，根据基尔霍夫电流定律，每一列线上的总电流是所有行线在该列上产生的电流之和，则每一列的总输出电流，i=∑（v*g），恰好就是输入向量与权重矩阵一列的向量点乘结果。

 也就是说，整个阵列在一个时钟周期内，在一次物理操作中，就完成了整个矩阵乘法的计算。

 当林东升将自己的想法分享出来时，所有的人全都惊呆了。

 这确实是一个天才的想法，而且，切实可行！

 黄院士听了，也是眼睛一亮，非常认可他的这个解决方案。

 如此看来，她当初向姚教授求助，让林东升这样的数学和计算机双料天才参与进来，绝对是一个非常正确且英明的决定。

 不过，她认真思索一番后，很快又皱眉说道：“这个解决思路是正确的，不过，传统的模拟计算因噪声、器件非理想特性等原因，精度很难超过8位，接下来咱们需要突破的，就是最难的精度问题。”

 “也就是说，咱们还需要开发出相应的高精度电导调制技术，能够将权重值精确、稳定地写入忆阻器单元，并实现多个离散的电导状态。”

 在黄院士的指导下，科研团队又埋头苦干了两个月，终于研究出了创新的电路设计。

 即使用一对忆阻器来表示一个权重，一个正项，一个负项，再通过差分信号来抵消共同噪声，提高信噪比和动态范围。