本文聚焦存内计算前沿论文ISSCC 2024 34.3，总结归纳其创新点，并对与之相似的创新点方案进行归纳拓展。

 CIM-Paper Collection 专注于存内计算架构的论文集合，它包含了最新的研究成果。这个仓库覆盖了存内计算的基础概念、忆阻器相关的论文、向量乘矩阵、数字与模拟计算技术，以及存内计算在不同领域的应用案例。

https://github.com/witmem/Witmem-CIM-Papers-Collection

一、文章基本信息

ISSCC 2024 34.4：《A 22nm 64kb Lightning-Like Hybrid Computing-in-Memory Macro with a Compressed Adder Tree and Analog-Storage Quantizers for Transformer and CNNs》[1]介绍了一种形似“闪电”的数模混合存内计算宏结构，其具有压缩的加法树（也即近似加法树）与用于Transformer和CNNs的模拟存储量化器。文章作者团队来自东南大学与北京大学，第一作者为东南大学博士生郭安，其在近两年ISSCC、JSSC上共以第一作者身份发表论文3篇。

作者围绕现阶段数模混合存内计算芯片的现状提出了三点挑战：

（1）混合CIM在精度与面积/功耗开销之间的权衡；

（2）模拟CIM中读出电路的巨大能耗与误差；

（3）在大规模的加法器树下，数字CIM的能效有限。

作者同样提出了三种解决方案来应对挑战：

（1）类似闪电的模拟/数字混合结构，以保持能效和推理精度；

（2）基于数字4:2压缩器的加法器树以及双正则化训练方法，以减少面积/功率成本；

（3）用于可扩展累加器长度的模拟存储量化器（ASQC），输出比率为1。

图1 论文Challenge&Solution部分

二、论文内容解析

文章的创新点主要聚焦于三个方面：（1）闪电式数模混合结构；（2）压缩器的设计（采用近似方法）；（3）引入ASQC，为ADC减负。

首先是闪电式数模混合结构。图2展示了闪电式混合SRAM CIM宏架构，支持累加器长度可扩展。图中蓝色为数字计算部分，黄色为模拟计算部分，通过将高位、低位数字单元（HDU与LDU）与高位、低位模拟单元（HAU、LAU），如图所示对其进行排列组合（两个子阵列与HDU和LDU对组合，四个子阵列与HDU和LAU对组合，其余两个子阵列与HAU和LAU对组合），以此来进行高效的INT 8的MAC操作。

其优势在于：（1）与传统的模拟累加器相比，由于采用了HAU、LAU和模拟存储量化器电路（ASQC），大大减少了所需的ADC转换次数和存储需求；（2）该结构支持更大的累加长度，而无需存储大量的部分和，这对于卷积神经网络（CNN）和Transformer网络更为合适。

图2 闪电式混合SRAM CIM宏架构

其次是压缩器的设计。图3展示了HDU/LDU的详细原理图和操作，以及作者提出的用于高效数字域处理的基于4:2压缩器的加法器树。每四个16×1b 6T-SRAM单元列共享一个HDU/LDU。每个HDU/LDU 由4个或非门和一个4:2压缩器组成。每4:2压缩器由一个或非门和一个28T全加器组成。由真值表可知，如果W4n=0，当n∈[0,31]时，则不会出现错误计算。采用闪电测绘法，当0⩽W4n⩽3时，不存在数字计算误差。因此，作者有意将在[0,3]范围内的W4n通过该压缩器计算，从而减少其计算误差，所以在文中作者提出“该压缩器影响不大”，但据笔者复现结果显示，误差最大达24.9%，与文中浅白色标注21.875%相近，该压缩器具有一定的局限性和显著的误差。除此之外，作者提出了双正则化的训练方法，如图所示，在每个训练时期，训练的权重被分为两组，不满意的权重组 Wa和理想的权重组Wb。Wa包含映射ID为4n且大于x或小于0的权重，而Wb包含其余权重。对于Wa，采用稀疏正则化（L1）来限制权重值范围。对于Wb，使用正常正则化（L2），这与普通训练过程相同。

图3 压缩器结构&双正则化训练

关于ASQC的设计，ASQC包含三种功能：一种比较器、一种计数器和一种SAR ADC，它具有三个阶段来量化模拟MAC值：（1）模拟存储（AS）阶段。AS阶段通常包含多个周期以延长累积长度并降低功率。AS阶段，Ceven和Codd之一将被HAU/LAU充电，而另一个将放电到地。一旦充电容量电压达到触发值，两者就会进行切换，计数器加一。当一个累积周期结束时，充电容量中的剩余电荷将被存储并成为下一周期的初始电压。引入虚拟电容以消除因开关引起的电荷损失。（2）SAR-ADC阶段。一旦所有累加周期结束，残余电压将由SAR-ADC量化以保留所有模拟值。最终的数字转换器值为k·Qc[5:0]+Qsar[5:0]，可以实现输出比1。（3）复位阶段。量化后，所有容量、计数器和SAR-ADC将在下一个转换器周期设置为零。如图4所示，为其操作时序与结构简述图。

图4 ASQC模块的时序&结构

接下来我们将以创新点2：近似压缩器的设计为重点，从本论文的近似电路仿真出发，介绍近3年的近似计算技术相关的高水平论文，旨在为读者详细介绍近似计算技术的原理和特点等[1]。

如图1（a）所示，为本篇论文中基于或非门的4：2近似压缩器电路示意图,该近似压缩器由一个或非门和一个28T全加器组成，图1（c）为近似压缩器真值表，可以看出有25%的概率产生“-1”的误差，近似压缩器之后为传统精确加法器树。以256并行度的加法器树为例，传统精确加法器树大约需要10486个晶体管，该近似加法器树大约需要7186个晶体管，节省了31.47%的面积。如图1（b）所示，为256并行度的近似加法器树的仿真结果，采用的仿真指标为RMSE和真值表分析。平均RMSE（均方根误差，Root Mean Square Error）为7.72%，最大RMSE为24.90%。以上分析体现了近似计算技术以有限误差为代价，减小所需面积和功耗的原理。

图 5 近似压缩器示意图：（a）基于或非门的4：2近似压缩器电路；（b）近似加法器树仿真结果；（c）近似压缩器真值表

• 相关文献解析

近似计算是一种新兴的计算范式，其核心是在允许一定误差存在的前提下，通过可容忍的精度损失降低硬件开销，从而实现计算效率的提升。

近似计算的思想早在20世纪60年代就得到了应用。自2008年左右以来，随着AI模型训练所需算力的提升，近似加法器和乘法器受到了极大的关注，目前近似加法器主要有推测加法器、分段加法器、近似进位选择加法器和近似全加法器等设计方案；近似乘法器主要有保存进位乘法器、使用近似计数或压缩器、使用对数近似等设计方案[2]。近似加法器和乘法器已经集成在AI深度学习加速器中，用于减少延迟、面积、功耗等，取得了优异的成果，具有非常广阔的应用前景。

具体到近年发表的文献中，近似计算方案也有所体现：

（1）压缩器近似[3]

DIMCA方案发表于JSSC 2023，该文献采用和34.3类似的压缩器思路，具体设计和性能评估如下图所示。该设计使用压缩器结构设计替换掉加法树的低位部分，压缩器设计本身相较于同等输入尺寸加法树设计会节约部分晶体管，同时该设计会节约输出比特数，二者共同作用实现了晶体管的节省。本文先的压缩器方案参考自文献[4]，同时该文献对后续的加法树部分设计进行改进，优化了加法计算的进位速度。笔者认为，随着加法树输入并行度的增大，压缩器近似设计必然会导致输出偏小，该设计对于网络的影响可能因网络的输入分布而异。不同于34.3，该文献通过较低的RMSE来降低近似设计对网络推理效果的影响。

图6 DIMCA设计

（2）乘法器近似[5]

在ISSCC2023中，清华大学报告了一种乘法器的近似设计。该设计参考自传统的绝对值差分计算，将其中L1距离替换为L2距离，用于乘法计算，称为绝对差分运算（ADO）。它将原本的乘累加计算拆解，可以替换掉传统设计中的乘法器，实现乘法功能所需的硬件成本。

图7 ADO乘法器设计

（3）加法树低位近似[6]

在稍早的严重中，常提到一种将加法树中较低位的全加器和半加器替换为与门、或门的近似方法。如文献[6]所提出的OLOCA设计。该设计结构图如下所示，高nh-1位采用精确计算，低nl位采用或门和全通设计，第l位使用与门和或非门代替半加器。通过配置nh和nl的比例，对加法树的计算误差进行控制。

图8 低位近似加法树示意图

综上，近似计算的范式设计的出发点都是为了节省晶体管个数、降低计算电路面积、提高计算电路能效比。这类设计的重点在于，如何降低近似带来的影响，一方面，可以寻找神经网络、图像处理等容错性较高的应用场景；另一方面，可以考虑近似误差低的硬件结构；也可以如本篇论文所做的，进行人为限制，降低近似计算电路的参与度。

参考文献：

1. An Guo, Xi Chen, Fangyuan Dong, et al. 34.3 A 22nm 64kb Lightning-Like Hybrid Computing-in-Memory Macro with a Compressed Adder Tree and Analog-Storage Quantizers for Transformer and CNNs[C]//2024 IEEE International Solid-State Circuits Conference (ISSCC). IEEE, 2024, 67: 570-572.
2. Jiang H, Santiago F J H, Mo H, et al. Approximate arithmetic circuits: A survey, characterization, and recent applications[J]. Proceedings of the IEEE, 2020, 108(12): 2108-2135.
3. Lin C T, Wang D, Zhang B, et al. DIMCA: An Area-Efficient Digital In-Memory Computing Macro Featuring Approximate Arithmetic Hardware in 28 nm[J]. IEEE Journal of Solid-State Circuits, 2023.
4. Kim K, Lee J, Choi K. Approximate de-randomizer for stochastic circuits[C]//2015 International SoC Design Conference (ISOCC). IEEE, 2015: 123-124.
5. He Y, Diao H, Tang C, et al. 7.3 a 28nm 38-to-102-TOPS/W 8b multiply-less approximate digital SRAM compute-in-memory macro for neural-network inference[C]//2023 IEEE International Solid-State Circuits Conference (ISSCC). IEEE, 2023: 130-132.
6. Dalloo A, Najafi A and Garcia-Ortiz A. Systematic design of an approximate adder: The optimized lower part constant-OR adder[J]. IEEE Transactions on Very Large Scale Integration (VLSI) Systems, 2018, 26(8): 1595-1599.