“大学联合微电子计划”（JUMP）是“电子复兴计划”3大项目群之一，于2018年1月正式启动，由DARPA与非营利性组织半导体研究联盟（SRC）合作，分阶段实施，每个阶段为期5年，每年投资4000万美元。该计划第一阶段于2022年12月结束，第二阶段（JUMP 2.0）于2023年1月正式启动。“大学联合微电子计划”聚焦基础研究，主要发挥高校基础研究优势，瞄准微电子领域长远发展，通过机理创新，为“电子复兴计划”其他项目孵化与长期创新提供牵引和支持。
第一阶段总体布局
“大学联合微电子计划”针对微电子技术与应用的重难点问题，组织多所高校共同组建专业研究中心进行攻关。第一阶段投入资金2.08亿美元，其中DARPA投资40%，半导体研究联盟投资60%。半导体研究联盟披露该计划第一阶段有3大目标：创建新的通用架构和系统设计技术，为新器件类型和新异构集成解决方案提供基础；设计研发新型电子元器件，使其能在保持现有性能不变时功耗降低1个—3个数量级；开展未来微电子人才培养，为美国储备优质研究力量。
第一阶段研究主题
“大学联合微电子计划”第一阶段共设立“从射频到太赫兹的传感器与通信系统”“分布式计算与网络”“认知计算”和“智能存储”4个聚焦应用的主题，为颠覆性系统或产品的实现提供科学与工程支撑；设立“先进架构与算法”“先进器件、封装与材料”2个聚焦基础的主题，为微电子技术发展提供共性学科基础性支撑。
从射频到太赫兹的传感器与通信系统 物联网、卫星通信、5G等前沿技术对频谱资源的需求增长迅速，促使现有通信频段愈发拥挤，供需矛盾愈发突出。为解决以上问题，“大学联合微电子计划”布局“从射频到太赫兹的传感器与通信系统”主题，旨在研发能在微波、毫米波或太赫兹下工作的新型传感或通信系统，实现能在复杂电磁环境下稳定运行的自适应通信服务能力。为实现以上目标，重点关注：具有可重构、自适应、多功能、多模式、可有效利用电磁频谱特征的先进通信系统；具有智能化、抗干扰、可扩展、自主操作与决策能力的信息处理系统及架构；可以互连多个传感器，实现超低功耗、高数据速率、远程传感通信的通信链路与集成通信组件；可以感知、监测多个变量的小型、低成本传感器以及大幅面柔性智能传感器。
围绕该主题，“大学联合微电子计划”设立太赫兹通信与感知综合技术研究中心，由加州大学圣芭芭拉分校的马克·罗德威尔领导，参与高校包括：加州大学圣芭芭拉分校、加州大学伯克利分校、加州大学圣迭戈分校、康奈尔大学、麻省理工学院、纽约大学、斯坦福大学。
分布式计算与网络 分布式系统一般涵盖多个用户、应用及硬件，具有组网灵活、智能协作特点，是实现作战体系“灵巧化”的关键驱动。但是，物理层面的传输延迟与能耗限制往往使现有分布式计算机系统所能关联的软硬件资源十分有限。为解决以上问题，“大学联合微电子计划”布局“分布式计算与网络”主题，旨在探索一种创新型超大规模分布式架构，解决计算、存储和网络性能提升面临的能耗制约问题，打破现有硬件及分布式架构限制，有效提升拒止环境下战场指挥控制能力。为实现以上目标，重点关注：具有高扩展性和高效率的大规模分布式系统；可大幅降低延迟、能耗的数据中心级互联和网络创新技术；分布式网络系统的设计规范；弹性分布式计算技术；可将有线、无线通信的能效和数据传输速度提高一个数量级以上的架构、协议、算法及系统。
围绕该主题，“大学联合微电子计划”设立面向普遍感知、认知和行动网络的计算及基础设施研究中心，由卡内基梅隆大学的安东尼·罗领导，参与高校包括：卡内基梅隆大学、加州大学伯克利分校、加州大学洛杉矶分校等。
认知计算 智能算法作为生成、分发、传播信息的底层逻辑和实现手段，决定了信息的产生形式和呈现方式，是推动未来战争边界拓展与推动认知域作战能力迭代的关键资源。为提高美军认知域作战能力，“大学联合微电子计划”布局“认知计算”主题，旨在通过冯·诺伊曼架构、非冯·诺伊曼架构或两种架构结合的方式创建一种新型认知计算系统，通过系统与使用者的实时互动以及大规模学习，实现自主推理及决策。为实现以上目标，重点关注：可自主获取、开展处理数据、感知、规划的辅助决策系统；情境感知、深度神经网络等适用于通识认知的通用算法；在载人或无人平台的硬件及软件层面实现高精度传感和反馈的人机接口；具有自优化、自修复、智能交互能力的弹性认知系统网络；具有更高性能与更高可扩展性的先进算法；用于模糊神经网络的新记忆元件与电路。
围绕该主题，“大学联合微电子计划”设立支持自主智能的类脑认知计算研究中心，由普渡大学的考希克·罗伊领导，参与高校包括：普渡大学、亚利桑那州立大学、佐治亚理工学院、麻省理工学院、宾夕法尼亚州立大学等。
智能存储 信息技术的进步使数据的生成速度和数量大幅增加，数据传输在能耗、延迟以及带宽上的能力不足，使现有计算系统的数据处理面临严重瓶颈。为解决以上问题，“大学联合微电子计划”布局“智能存储”主题，旨在优化高性能智能存储的操作系统、编程模型、内存管理技术和原型系统架构，大幅提升体积密度、信息处理密度、能耗比及性能。
