我院2017級本科生吳加隽研究成果在IEEE亞洲固態電路會議上發表

作者: 时间:2020-11-17 点击数:

近日,在光電信息學院低功耗與智能集成電路研究室學習的2017級本科生吳加隽同學在國際集成電路著名會議IEEE亞洲固態電路會議(IEEE Asian Solid State Circuit Conference,簡稱A-SSCC)上發表題目爲“An Energy-efficient Multi-core Restricted Boltzmann Machine Processor with On-chip Bio-plausible Learning and Reconfigurable Sparsity”的高能效、片上學習的類腦神經網絡多核處理器論文。IEEE A-SSCC是國際著名集成電路學會IEEE固態電路分會直接資助的旗下四大旗艦國際會議之一,也是光電信息學院集成電路研究方向A類會議。這也是學校第一次由本科生以第一作者的身份在該會議上發表口頭報告論文。

該論文提出了一種基于受限玻爾茲曼機(Restricted Boltzmann Machine, 簡稱RBM)類腦學習算法的高能效硬件處理器(如圖1所示)。選取的算法相比傳統RBM學習算法,能以更少的叠代次數和運算量來達到更好的學習性能。同時,該算法反映了大腦的脈沖時序依賴可塑性(Spiking-Timing-Dependent-Plasticity,簡稱STDP)機制,具有生物可似性。除此之外,論文提出的多核架構充分利用了RBM模型中存在的大量稀疏性以及局部學習機制,引入異步多核計算和局部存儲,顯著提升了處理器的能量效率和吞吐率。這項工作的合作單位爲新加坡科技設計大學、新加坡國立大學和南洋理工大學。

1 類腦神經網絡多核處理器架構及其STDP學習機制

機器學習模型中的稀疏性一直是硬件加速領域的重點研究對象,以受限玻爾茲曼機爲代表的神經網絡傳統機器學習模型,擁有大量的輸入稀疏和權重稀疏特性。該論文提出了預生成地址和異步累加的方案,高效地跳過了稀疏特性帶來的所有零值,顯著提高了處理器的能效和吞吐率。同時,由于RBM的訓練包含前向生成和反向重構兩個階段,論文引入了轉置存儲來加速前向和反向階段的權重讀取。在未來,吳加隽同學會在低功耗與智能集成電路研究室將會繼續致力于RBM處理器的ASIC專用芯片實現,完成存內計算(Computing in Memory)、局部同步全局異步(GALS)機制,並尋找系統級的映射和數據調度優化,探索並部署RBM處理器的杀手级应用。

2 與英特爾電路實驗室和新竹交通大學工作的比較表、FPGA演示平台

該論文的第一作者吳加隽,爲華中科技大學光電信息學院集成1703班本科生。他在大三上學期,加入光電信息學院王超研究員課題組低功耗與智能集成電路研究室,開始探索科研道路。在一年多的科研經曆裏,吳加隽在基于神經網絡的類神經形態(Neuromorphic)人工智能加速器芯片設計和基于3D ToF傳感器的感算一體智能傳感器電路方向進行深入鑽研,積累了一定的成果。吳加隽在2020年初,于寒假期間前往新加坡科技設計大學(SUTD)和新加坡科技研究院(A*STAR)進行訪問交流,了解AI算法、智能硬件的頂尖研究進展,豐富了研究視野。在2020年暑假,他又前往珠海澳門大學科技研究院進行爲期兩個月的實習,在澳門大學微電子學院和混合模擬集成電路國家重點實驗室的冼世榮(Sai-Weng Sin)教授指導下,探索智能傳感器和模擬計算智能電路領域。豐富的科研與交流經曆,使得吳加隽在新冠疫情下仍克服無法返校的困難,完成了這項工作的研究,並被A-SSCC會議接收,參加了線上彙報與討論。

3吳加隽同學在新加坡科研院和澳門大學珠研院進行交流學習

4吳加隽同學參加線上進行口頭報告

吴加隽同学加入的低功耗与智能集成电路研究室,为学院王超研究员加入华中科技大学集成電路工程系后组建,一年多以来,王超老师坚持在学术科研与工程应用两方面齐头并进,指导研究室全体成员在低功耗集成电路和智能集成电路领域取得了实质性突破,并先后获得国家自然科学基金类脑神经网络芯片、国家重点研发计划智能机器人芯片的项目资助。在王超老师和所有同学的努力下,研究室的研究初具成果。尽管上半年受新冠疫情影响,研究室的同学们仍克服诸多困难,取得多个方向的突破。除A-SSCC會議以外,王超研究員課題組今年在其他兩項集成電路和機器人領域的國家會議上發表了三篇論文,申請了一項國家發明專利,並有一篇電路與系統頂級期刊論文在審。


华中科技大学  光学与电子信息学院  联系电话:027-87558726  邮编:430074 地址:中国?湖北省武汉市珞喻路1037号 华中科技大学东校区新光电信息大楼C6