阻变存储器（RRAM）因其高速、低功耗和可扩展性而被广泛用于实现边缘计算加速器。但由于RRAM存在保持特性退化的问题，导致基于RRAM芯片上的网络推理准确率随时间的增大而降低，从而限制了基于RRAM的边缘计算加速器的运算精度。
针上述问题，微电子所刘明院士团队基于RRAM阵列的原位乘加及低功耗特性，开发了RRAM 存内计算芯片，结合微流控芯片搭建了异质集成及时检测系统（POCT），完成终端系统的识别功能。针对血液疾病早期检测，开发了细胞分级识别策略，将识别精度提高到92%。同时，揭示了POCT识别精度与RRAM失效机制的内在规律，提出了针对RRAM芯片中存储单元保持特性的智能预修复方案，结合开发的LSTM保持性预测模型，在不影响计算芯片识别速度的前提下进行权值信息的原位修复，将POCT系统的长时识别能力提高到室温下6000小时（250天），识别精度大于90%。
该研究成果以题为“Point-of-Care Testing （POCT） System Based on Self-Recovery Memristor Chip with Low Energy Consumption（1.547 TOPS/W） and High Recognition （1142 frame/s）”入选2023 IEDM。微电子所郑旭博士为第一作者，复旦大学吴立舟博士为共同第一作者，微电子所张文昌副研究员、许晓欣研究员为通讯作者。
（a）基于微流控芯片和RRAM芯片的异质集成POCT系统；（b） 细胞分级识别策略识别精度；（c）采用智能预测和自修复算法前后，推理时长与精度的变化；（d） POCT系统实物图 （e） 开发的POCT系统与现有技术的性能对比
综合信息