小弟学店大学生
刚好上学年在这个领域有些研究可以来跟大家分享一下
原po说的类比电脑，精确一点应该说是用类比 CIM (compute in memory) 来加速神经网络
运算
主要处理的问题就是原po提到的矩阵乘法，尤其是对 CNN 的模型特别有帮助
矩阵乘法再拆细一点其实就是疯狂算内积，而这也是 CIM 真正有加速的地方
要算内积就要把很多数字加起来，类比 CIM 简单来说就是把一条 BL 上所有的 cell 同时
打开，再看你要用啥方法判读上面接几个1，我自己印象比较深刻的做法有两个：
1. 用 ReRAM 或 MRAM 这类很潮的内存把0、1换成电阻值，接着在 BL 上挂电压源，将流
出的电流接进 ADC 就可以换成数字
2. 在 SRAM cell 上加电容，每个 cell 都透过电容接到 BL 上，因此 BL 会被特定数目的
电容连到 VDD；被特定数目电容连到 GND，接着再把 BL 的分压用 ADC 换成数字
若单看加法的部分的确是比数位暴力 adder tree 还要快又省 power，但麻烦的就是后面的
ADC ，吃 power 还会降低精准度，而精确度重不重要就真的是看使用环境
因此数位类比看来看去其实平分秋色，类比也没有啥永远都赢数位的优点，反而非理想效应
多人家一卡车
而且许多 CIM 都只专注在矩阵乘法这一块，其实整个系统的 data flow 设计的好不好影响
更多
如果有兴趣的话清大有个教授有在做类比 CIM，台积电也有蛮多数位 CIM 的设计，论文都
蛮好找的也算浅显易懂，平常当作休闲科普也是挺不错的~