摘要：随着人工智能、量子计算等前沿技术的快速发展，对高性能计算芯片的需求不断提升。然而，传统冯·诺依曼架构受限于存储墙和功耗墙等因素，已难以满足数据密集型计算应用的算力需求。低温存内计算结合了低温CMOS器件的优异电学特性与存内计算架构的高带宽、低延迟优势，为突破算力瓶颈提供了一种新的解决方案。综述了低温环境下CMOS器件及多种存储介质的关键特性，系统梳理了低温存内计算在人工智能与量子计算领域的典型架构、关键实现及性能表现，并分析了其在器件工艺、电路系统、EDA工具等层面的挑战及未来发展趋势。
文章目录
0 引 言
1 低温器件特性研究
1.1 CMOS器件的低温特性
1.2 存储介质的低温特性
2 低温存内计算在人工智能和量子计算中的研究
2.1 面向人工智能的低温存内计算技术
2.2 面向量子计算的低温存内计算技术
3 挑战与展望
3.1 器件工艺层面
3.2 电路系统层面
3.3 EDA层面
4 结 论
