4、模拟存算一体：基于电阻阵列的向量矩阵乘法、电流求和与模数转换、非理想因素与补偿

好，咱们今天聊点硬核的。模拟存算一体，说白了就是用物理定律直接算数学题。我当年第一次在实验室看到电阻阵列算矩阵乘法时，说实话，被震撼到了——电流在导线里自己就把结果算出来了，根本不需要时钟。

4.1 电阻阵列：最朴素的向量矩阵乘法器

先看最基础的结构。你有一堆电阻，排成阵列。行线输入电压，列线输出电流。每个交叉点放一个电阻，阻值代表权重。

为什么能算乘法？欧姆定律嘛。电压除以电阻等于电流。每个电阻贡献的电流就是 V_in / R。如果我把权重编码成电导（也就是 1/R），那电流就等于 V_in * G。你看，乘法就这么完成了。

我习惯把这种结构叫做「模拟计算的最美实现」。没有晶体管开关，没有时钟沿，电流流过电阻的瞬间，乘法就发生了。

嗯，这里要注意：电阻值不能太小，否则电流太大烧芯片。也不能太大，否则电流太小信噪比不够。我做过一个设计，阻值范围定在 10kΩ 到 1MΩ 之间，算是比较实用的区间。

4.2 电流求和：基尔霍夫定律的完美应用

矩阵乘法的第二步是求和。每一列的所有电流汇到一根线上，自然就加起来了。这就是基尔霍夫电流定律——流入节点的电流之和等于流出节点的电流之和。

你想想看，数字电路做加法需要加法器，需要进位链，需要时钟周期。模拟电路呢？一根导线就搞定了。这就是存算一体的魅力所在——计算发生在数据流动的过程中，而不是在专门的运算单元里。

我在项目中遇到过一个问题：列线上的寄生电阻会导致求和误差。每条列线都有电阻，电流流过时会产生压降，影响其他行的电流贡献。解决办法是让列线足够宽，降低寄生电阻。我一般要求列线电阻小于最小电阻值的 1/100。

4.3 模数转换：从模拟世界回到数字世界

算完的结果是电流，但最终我们要的是数字。所以需要模数转换器（ADC）。

这里有个关键问题：ADC 放在哪？

• 每列一个 ADC：速度快，但面积大、功耗高。适合列数少的场景。
• 多列共享一个 ADC：面积小，但需要模拟多路选择器，速度受限。
• 时间域 ADC：把电流转换成时间，再用数字计数器测量。我比较喜欢这种，因为它面积小、功耗低，适合大规模阵列。

我曾经踩过一个坑：ADC 的量化噪声和电阻阵列的热噪声叠加，导致有效位数下降。后来我学乖了，在设计 ADC 时留出 1-2 位的余量。比如我需要 8 位精度，ADC 至少做 10 位。

4.4 非理想因素：理想很丰满，现实很骨感

理论讲完了，咱们聊聊现实中的坑。模拟电路最大的敌人就是非理想因素。

4.4.1 电阻精度与失配

理想情况下，电阻值精确等于设计值。实际上，制造工艺会有偏差。比如 100kΩ 的电阻，实际可能是 95kΩ 到 105kΩ 之间。这种失配会导致权重误差。

我建议的做法是：

• 使用修调（trimming）技术，在芯片测试时微调电阻值
• 采用差分结构，抵消共模误差
• 在算法层面做校准，测量实际电阻值后修正权重

4.4.2 温度漂移

电阻值随温度变化。芯片工作时会发热，温度升高，电阻值变化，计算结果就偏了。

我记得有一次测试，芯片刚上电时精度很好，跑了 10 分钟后误差越来越大。查了半天，发现是温度漂移导致的。后来加了温度传感器和补偿电路，才解决问题。

4.4.3 非线性

电阻本身是非线性的，尤其是用晶体管实现的伪电阻。电压不同，电阻值也不同。这会导致乘法结果出现非线性失真。

解决办法：

• 限制输入电压范围，让电阻工作在线性区
• 使用线性度更好的电阻材料（如多晶硅电阻）
• 采用反馈补偿技术

4.5 补偿技术：把不完美的电路变完美

非理想因素不可避免，但我们可以补偿。

4.5.1 背景校准

在正常计算之前，先输入一组已知的测试向量，测量实际输出，计算出误差矩阵。然后在后续计算中减去这个误差。

我习惯在芯片上电时做一次背景校准，大约需要 100μs。之后每隔一段时间重新校准一次，应对温度漂移。

4.5.2 实时补偿

对于温度漂移这种缓慢变化，可以用片上温度传感器实时监测温度，查表修正权重。

我曾经设计过一个方案：在电阻阵列旁边放一个参考电阻，它的阻值变化反映了温度变化。用这个参考值去修正其他电阻的计算结果。效果不错，误差从 5% 降到了 0.5% 以内。

4.5.3 冗余与纠错

对于关键应用，可以加入冗余行或列。当某个电阻失效时，用冗余单元替代。这有点像存储器的冗余修复。

说实话，模拟存算一体这条路不好走。非理想因素多，设计难度大。但一旦做好了，性能和能效比是数字方案没法比的。我做了这么多年芯片，越来越觉得：真正的创新，往往藏在那些「不完美」的物理世界里。

好，这一章就到这。记住一句话：模拟计算不是魔法，是物理。理解物理，你就能驾驭它。

想要更多资料，联系可可