傳統馮·諾依曼架構計算機在面對人工智能等數據密集型計算任務時，頻繁的數據搬運導致計算機的算力提升遭遇“內存墻”、“功耗墻”的瓶頸。因此，存內計算架構于近年來得到廣泛的關注和研究。存內計算架構基于基本的存儲器陣列，如靜態隨機存儲器（SRAM）、阻變隨機存儲器（RRAM）等，通過外圍控制電路可以完成信息的讀寫。通過將計算映射到物理過程中，存內計算架構能夠廣泛應用于矩陣相關計算的加速。基于 SRAM的存內計算搭配外圍的電容陣列，根據電荷共享或者電容分壓的原理能夠實現多比特乘累加的加速；基于RRAM的存內計算根據歐姆定律和基爾霍夫電流定律，在字線或位線上得到計算結果。但是，基礎的存內計算原理應用場景有限，主要適用于單比特和正數域的矩陣計算。實際的問題中往往需要多比特與實數域的計算，傳統的映射方式往往會產生額外的外圍電路硬件開銷。為了實現高效、緊湊的存內計算架構設計，作者們總結了存內計算架構設計中的電容補償和電導補償原理。
北京大學孫仲團隊、清華大學喬飛團隊系統綜述了存內計算架構中的補償策略，概述了基于電容充放電的SRAM存內計算架構中的成對電容補償方法和整體電容補償方法，著重介紹了RRAM存內計算架構設計中的成對電導補償和整體電導補償方法。成對補償或整體補償的方法令存儲器陣列的兩行或多個不同列的電容或電導加和相等，簡化了相應存內計算架構背后映射的原理公式，從而實現電路設計的精簡。作者們首先綜述了電容補償方法。SRAM存內計算架構將電容陣列連接到靈敏放大器（SA）等外圍功能電路實現多比特或帶符號的乘累加加速，成對電容補償的方法平衡連接到SA同相和反相輸入端的電容負載；在同時開啟多列的SRAM存內計算架構中，整體電容補償方法平衡列線總負載，讓連接不同二進制權重電容的列線達成相同采樣速率。之后，作者們總結了兩種電容補償方法在近年來大量計算架構設計實例中的應用，通過簡化外圍電路的方式達成更高的效率。接著，作者們著重介紹電導補償方法。在面向實數域的矩陣向量乘法（MVM）、矩陣求逆、矩陣特征向量等計算應用的RRAM存內計算電路中，與成對電容補償方法相似，成對電導補償的方法平衡每一行運算放大器（OPA）同相和反相輸入端的電導負載，使用更少的運放完成矩陣計算加速，顯著提升電路的整體面積和能耗表現；在更復雜的計算電路，如矩陣-矩陣-向量乘法（MMVM）電路中，整體電導補償方法保證存儲陣列中不同列線的總電導負載相等，簡化電路原理公式，賦予RRAM存內計算電路更復雜的算法映射和問題求解能力。最后，作者們總結了補償方法在存內計算架構設計中的重要作用，補償方法為探索和設計面積更小、能耗更低、解決更復雜問題的架構提供啟發。期刊Advanced Electronic Materials重點發表物理：應用、材料科學：綜合、納米科技相關方向的文章。該期刊是一個跨學科論壇，在材料科學，物理學，電子和磁性材料工程領域進行同行評審，高質量，高影響力的研究。除了基礎研究外，它還包括電子和磁性材料、自旋電子學、電子學、器件物理學和工程學、微納機電系統和有機電子學的物理和物理性質的研究。期刊最新引文指標為0.9，最新影響因子為5.3（2023）。
