77、神经网络的模拟超大规模集成电路实现

神经网络的模拟超大规模集成电路实现

1. 引言

在现代超大规模集成电路（VLSI）工艺的发展进程中，传统信号处理（如滤波）的硬件实现正逐渐从模拟电路向数字电路转变。数字电路在处理信号时，当所需的信噪比（SNR）超过60 - 80 dB时，在功耗方面表现出更高的效率。这是因为数字信号以代码或数字形式表示，在处理过程的每一步都能再生，噪声主要源于量化效应，功耗与信噪比呈弱（对数）函数关系。而且，数字系统易于通过自上而下的方法将算法映射到硅片上进行设计，能够满足对信息精确恢复的系统需求，无论是在存储后的时间维度，还是在传输后的空间维度。

然而，神经网络执行的任务性质截然不同，主要涉及基于大量数据或信号对环境或情况进行感知。在这类任务中，对数据进行大规模并行集体处理的需求取代了对精度的要求，并且噪声（与数字系统的量化噪声不同）不仅无害，甚至可能提高处理速度。从功耗和芯片面积的角度来看，模拟解决方案在实现这些感知系统时更为有效，因为模拟处理允许连续时间和连续幅度，能够充分利用可用组件的特性，进一步减少每个功能的占用面积，从而在受生物解决方案启发的大型结构中实现真正的大规模并行计算。

以下是数字和模拟处理的优缺点对比表格：
| 处理类型 | 优点 | 缺点 | 适用场景 |
| ---- | ---- | ---- | ---- |
| 数字处理 | 功耗效率高（SNR > 60 - 80 dB）；易于设计；能精确恢复信息 | 对噪声敏感（量化噪声） | 信息精确恢复系统 |
| 模拟处理 | 适合大规模并行计算；功耗和面积效率高；可利用组件特性 | 绝对精度差；对物理噪声敏感 | 感知系统 |

2. 模拟信号处理的特点 <