他们工作的关键概念围绕着边距传播（MP，margin propagation）的泛化，这是一种数学工具，以前在使用MP原理合成模拟分段线性计算电路时显示出价值。
基于这种概括，研究人员开发了一种新颖的基于形状的模拟计算（S-AC）框架，允许研究人员近似ML架构中常用的不同功能。
基于所提模拟框架构建的芯片的测试设置
结果是一个模拟计算框架，可以成功地在准确性与速度和功耗之间进行权衡，就像数字设计一样，并且还可以跨不同的工艺节点和偏置电压设置进行扩展。
作为概念验证，研究人员实现了许多S-AC电路，以在几个不同的过程中表示ML中的常见数学函数。在此过程中，研究人员成功地使用电路仿真来证明，在180 nm CMOS工艺和7 nm FinFET工艺中，电路I / O特性都基本保持相同，且合理。
通过新框架，研究人员希望能够在不久的将来创造出更具可扩展性和成本效益的模拟AI设计。
