忆阻加速器（Memristive accelerators, MA）通过在忆阻器交叉阵列中进行原位计算，实现了高效的矩阵向量乘法（Matrix-vector multiplication, MVM），已被广泛用于构建神经网络、科学计算等领域的专用加速器。然而，当前MA面临的重大挑战在于电压降（IR drop）影响导致的计算精度受限。现有IR drop缓解或补偿方案理论支撑不足或采取了近似处理，导致补偿结果准确度较差。

实验室博士生刘锦鹏，在吴兵博士后、童薇教授、魏学亮博士后、冯丹教授的指导下，针对以上问题，提出一种用于构建可靠忆阻加速器的电压降鲁棒映射（IR drop-robust mapping，IRM）方法，将IR drop的影响在映射过程中直接消除。IRM方法的核心思想是将IR drop影响下的等效矩阵与原始矩阵间的残差矩阵迭代映射至阵列，并将残差矩阵的计算结果累加到原始矩阵的计算结果，从而消除IR drop的影响。其次，本工作提出调节-移动-翻转（Calibrate-Shift-Reflect，CSR）策略，将残差矩阵中数值较大的元素映射到阵列中IR drop影响较小的地方，快速减小矩阵残差，进而显著减少了IRM方法映射残差所需的阵列数量。第三，本工作设计了IRM-CSR方法的硬件架构，以支持IRM方法下MVM计算以及CSR策略。

图1 IRM方案伪代码

图2 CSR策略示意图

实验结果表明，相比现有最先进方法，IRM-CSR方法能有效缓解IR drop影响，将推理精度恢复80%（神经网络应用），并使相对均方根误差降低10³×∼10¹⁰×（科学计算）。

表1 IRM-CSR方案补偿结果

该研究成果以“An IR drop-robust Mapping Method for Reliable Memristive Accelerators”为题，已被《Design, Automation & Test in Europe Conference》（电子设计自动化EDA领域顶会，CCF B类国际会议）接收。