Con il crescente interesse per le applicazioni basate sull'intelligenza artificiale, le reti neurali convoluzionali hanno guadagnato popolarità grazie al loro elevato potenziale in termini di prestazioni, efficienza energetica e sicurezza. Tuttavia, a causa del loro consumo energetico, la loro integrazione in sistemi embedded rimane difficile e, di conseguenza, vengono fatti molti sforzi per costruire acceleratori a bassa potenza. A tal fine, l'In-Memory Computing promette grandi miglioramenti grazie all'accelerazione della fase di elaborazione, riducendo il trasferimento di dati tra memoria e processore, che risulta in notevoli risparmi energetici. L'obiettivo di questo progetto è implementare e convalidare una versione migliorata di un subarray di memoria da 2kB per la creazione di una memoria di calcolo in-SRAM basata sull'architettura BLADE, Bitline Accelerator for Device on the Edge, che sarà implementata in un prossimo tapeout.