南京大學類腦智能科技研究中心的研究團隊在模擬存內計算領域取得重大突破，研發出一款基于互補金屬氧化物半導體（CMOS）工藝的高精度模擬存算一體芯片。該芯片通過創新性的計算權重實現方式，將傳統依賴不穩定物理參數（如器件電阻）的模式，轉變為利用器件幾何尺寸比這一高度穩定的特性，成功突破了模擬計算精度的瓶頸。

研究團隊提出的高精度模擬計算方案，核心在于將模擬信號的運算關系與器件物理尺寸直接關聯。通過兩級依賴尺寸比例的電流拷貝電路設計，結合存儲單元和開關器件，構建了可編程的計算單元。該單元第一級幾何比例由8位存儲器控制，第二級為固定比例，為不同列上的第一級輸出電流賦予對應的二進制權重。兩級共同作用，實現輸入電流與8比特權重的模擬乘法運算。通過陣列化排布這些計算單元，團隊設計出了一款高精度電流域向量-矩陣乘法芯片。

測試數據顯示，該芯片在并行向量矩陣乘法運算中表現出色，均方根誤差僅為0.101%，刷新了模擬計算領域的精度紀錄。相關成果已發表于國際學術期刊《科學?進展》。研究團隊還提出了一種權值重映射方法，通過最大程度利用器件尺寸比例的穩定性，進一步提高了芯片的計算精度。在1500次隨機向量-矩陣乘法實驗中，芯片輸出結果與理想值幾乎完全一致，相對誤差的均方根僅為0.101%。

這款芯片不僅在常溫下表現優異，在極端環境下也展現出強大的魯棒性。在-78.5℃和180℃的極端溫度條件下，芯片的矩陣計算均方根誤差分別維持在0.155%和0.130%的水平。在更寬溫區（-173.15℃至286.85℃）的測試中，芯片核心單元輸出電流相較于常溫條件的最大偏差僅為1.47%。在強磁場環境（最高10T）下，芯片核心單元的輸出電流相較于無磁場條件的變化不超過0.21%。這些測試結果充分證明了該芯片在極端環境下的可靠性。

在實際應用中，這款高精度模擬存算芯片也表現出色。研究團隊測試了芯片在神經網絡推理任務中的應用效果，利用該芯片執行神經網絡中的全部卷積層和全連接層運算時，在MNIST測試集上的識別準確率達到97.97%，與64位浮點精度下的軟件識別率相近，顯著優于傳統模擬計算硬件。在科學計算應用中，芯片求解納維–斯托克斯方程得到的流體行為預測結果，與64位浮點精度的結果高度一致，而傳統低精度模擬計算硬件在執行相同任務時則無法得到正確的結果。

該方案還具備廣泛的應用潛力，可應用于各種二值存儲介質。研究團隊通過電路拓撲設計，結合存儲單元和開關器件，構建了可編程的計算單元，實現了權重可編程的模擬乘法運算。這種設計不僅提高了計算精度，還增強了芯片的適應性和靈活性。隨著技術的不斷發展，這款高精度模擬存算芯片有望在更多領域發揮重要作用，推動模擬計算技術的進步。