IEDM2020:复旦大学在类脑计算领域获重要进展

导读:近日,在2020年国际电子器件大会(IEDM)上,复旦大学芯片与系统前沿技术研究院刘琦教授和刘明院士团队展示了忆阻器基类脑计算技术的最新研究进展。 背景介绍 受启发于人脑,类脑计算技术是当前发展人工智能的重要计算范式之一,可以构建高智能、低能耗的计...

近日,在2020年国际电子器件大会(IEDM)上,复旦大学芯片与系统前沿技术研究院刘琦教授和刘明院士团队展示了忆阻器基类脑计算技术的最新研究进展。

背景介绍

受启发于人脑,类脑计算技术是当前发展人工智能的重要计算范式之一,可以构建高智能、低能耗的计算系统。该系统由脉冲神经元和可塑的神经突触构成,具有自主学习、时空信息处理、存算一体、高并行计算和事件驱动等特点。忆阻器具有丰富的物理动力学特性和生物单元相似性,在模拟神经元和神经突触方面展现出超越CMOS器件的潜力,结合脉冲神经网络(SNN)算法,可以实现高效的类脑计算系统。然而,当前基于忆阻器的类脑系统多采用频率编码SNN的工作模式,神经元需要发放大量脉冲来表征单个信号强度,以及需要较长推理时间内的平均放电速率进行决策,导致了更多的延迟和能耗,降低了信息处理的效率。

成果简介

针对上述问题,该团队设计实现了一种面向时间编码SNN的神经元电路,利用放电时间表征信号强度,具有可控的不应期,在一个推理周期内只进行单次脉冲放电,显著提升了忆阻器神经元的工作寿命和推理速度。并进一步结合RRAM突触阵列构建了256×5的硬件SNN网络。相比于频率编码SNN,该网络在人脸识别任务中放电脉冲数目降低72倍、推理速度提升1.5倍、能耗降低53倍、能效提升18倍。

上述成果入选2020年国际电子器件大会,复旦大学芯片院博士后张续猛和中科院微电子所博士生吴祖恒为该工作的共同第一作者,复旦大学芯片院刘琦教授和刘明院士为共同通讯作者。上述工作得到了国家重点研发计划、国家自然科学基金、中国科学院、之江实验室的相关项目资助。

IEDM与ISSCC(国际固态电路会议)、VLSI(超大规模集成电路研讨会)并称集成电路领域的“奥林匹克盛会”。IEDM大会始于1954年,是产业界和学术界展现集成电路器件领域最新研究进展和成果的重要平台。

a. 忆阻器基神经元电路;b.神经元的放电特性;c. 忆阻器基类脑硬件系统;d.性能比较

报道来源:芯片与系统前沿技术研究院