Flash存算阵列在工作模式下需要用到不同内部驱动电压, 因此基于当前各类Dickson型电荷泵, 设计了一种针对Flash存算阵列的可调电荷泵。采用一种新型输出级的交叉耦合设计, 解决了传统电荷泵最后一级阈值电压导致的低泵送效率的问题, 并通过辅助MOS管增强了传统电荷泵中体源二极管对反向漏电流的抑制能力。55 nm CMOS工艺下的仿真结果表明, 与改进前的电荷泵相比, 在电源电压1.8 V和300 μA的工作电流下, 中间级反向漏电流减少了17.5%, 输出级反向漏电流减少了73.1%。无反馈调节时, 主电荷泵最高输出电压为9.56 V, 电压效率达88.51%。PFM可调制模式下, 可重构电荷泵能实现输出电压切换。

由于卷积神经网络（CNN）识别精度与人类接近，故其在计算机视觉、图像和语音处理等方面取得了巨大的成功，但这种成功离不开硬件加速器的支撑。受到电子器件功率与速率的限制，当前的电加速器难以满足未来大规模卷积运算对硬件算力和能耗的需求。作为一种替代方案，提出了一种低能耗存算一体光子CNN加速器结构。该结构采用微环谐振器和非易失性相变材料Ge₂Sb₂Te₅构成无源光学矩阵乘法器来实现存内计算，从而减小了权重数据读取的能耗。利用Ansys Lumerical 仿真平台验证了10 Gb/s与20 Gb/s速率下4×4规模的光学矩阵乘法的运算。与传统的基于电光微环谐振器的光子CNN加速器数字电子与模拟光子（DEAP）相比，所提加速器结构在保持原运算速率的情况下减少了48.75%的功耗，并且在矩阵运算处的面积能够减少49.75%。此外，基于MNIST与notMNIST数据集对所提加速器的推理效果进行了仿真验证，识别精度分别为97.80%和92.45%。

在非易失性存算芯片(CIM)中, 大规模阵列的栅极等效电容以及远距离传输导线的等效电容严重限制了字线驱动电路(WLDC)的切换速度。非易失性存算器件工作所需的多电压域的压差已远超字线驱动电路中单管耐压范围。文章提出了一种面向存算的高速字线驱动电路, 结合阵列的工作原理, 采取多级预处理电压控制方法, 将多电压域多种高压进行可选择的分级传输, 大幅降低了传播延时。采用箝位分压结构, 降低字线驱动电路中单器件端口压降, 解决了字线驱动电路的耐压与高压切换问题。仿真结果表明, 该电路可将频率为100 MHz的1.2 V低压域输入信号转化为高压域输出电压, 单条高速字线驱动电路的输出电压范围可达-10 V至10 V, 本征延时为1.4 ns; 负载为5 pF时, 传输延时为8.9 ns。