小弟學店大學生
剛好上學年在這個領域有些研究可以來跟大家分享一下
原po說的類比電腦，精確一點應該說是用類比 CIM (compute in memory) 來加速神經網路
運算
主要處理的問題就是原po提到的矩陣乘法，尤其是對 CNN 的模型特別有幫助
矩陣乘法再拆細一點其實就是瘋狂算內積，而這也是 CIM 真正有加速的地方
要算內積就要把很多數字加起來，類比 CIM 簡單來說就是把一條 BL 上所有的 cell 同時
打開，再看你要用啥方法判讀上面接幾個1，我自己印象比較深刻的做法有兩個：
1. 用 ReRAM 或 MRAM 這類很潮的記憶體把0、1換成電阻值，接著在 BL 上掛電壓源，將流
出的電流接進 ADC 就可以換成數字
2. 在 SRAM cell 上加電容，每個 cell 都透過電容接到 BL 上，因此 BL 會被特定數目的
電容連到 VDD；被特定數目電容連到 GND，接著再把 BL 的分壓用 ADC 換成數字
若單看加法的部分的確是比數位暴力 adder tree 還要快又省 power，但麻煩的就是後面的
ADC ，吃 power 還會降低精準度，而精確度重不重要就真的是看使用環境
因此數位類比看來看去其實平分秋色，類比也沒有啥永遠都贏數位的優點，反而非理想效應
多人家一卡車
而且許多 CIM 都只專注在矩陣乘法這一塊，其實整個系統的 data flow 設計的好不好影響
更多
如果有興趣的話清大有個教授有在做類比 CIM，台積電也有蠻多數位 CIM 的設計，論文都
蠻好找的也算淺顯易懂，平常當作休閒科普也是挺不錯的~