首页 >> 新闻公告 >> 新闻信息 >> 正文

类脑智能芯片研究中心黄如院士团队多篇学术论文入选第66届IEDM

信息来源:     发布时间:2021-01-14     浏览量:

由于新冠病毒疫情的影响,第66届国际电子器件大会(IEDM)于20201212日至18日首次采取线上会议形式,也为这个历史悠久的顶级学术会议带来不一样的感受。在本届IEDM上,北京大学黄如院士团队发表了4篇高水平学术论文,研究成果覆盖了先进逻辑器件、神经形态器件、神经网络硬件、智能传感器等多个领域,这也是北京大学微纳电子研究院连续14年在IEDM大会上发表论文,其中2篇论文来自类脑智能芯片中心。

人工神经网络在社会各个领域都有广泛的应用。高效快速训练对于其进一步发展和应用意义重大,但传统误差回传算法(BP)存在耗时长、能耗大等问题。针对该问题,杨玉超研究员、黄如院士课题组提出了一种基于相变存储器(PCM)的高效人工神经网络训练系统。该系统利用PCM电导状态的内在随机性作为随机源,以存内计算方式产生用于训练的随机权重,对训练算法的有效简化提升了软硬件间的兼容性,多层次的优化策略有效降低了整个系统的硬件代价。该系统成功应用到大型卷积神经网络VGG-16的训练过程中,并且在CIFAR-10数据集上取得了超过90%的识别正确率,达到了与传统训练算法相当的水平,并将训练时间、能耗降低3倍以上。研究成果不仅推动了存内计算的进一步发展,也为人工神经网络在终端智能硬件平台上的片上训练及应用提供了新的方向。该工作以《Accelerated Local Training of CNNs by Optimized Direct Feedback Alignment Based on Stochasticity of 4 Mb C-doped Ge2Sb2Te5 PCM Chip in 40 nm Node》为题发表, 微纳电子学系博士生路英明为第一作者,黄如院士、杨玉超研究员与上海微系统所宋志棠研究员是通讯作者。


1 基于PCM的神经网络高效在线训练系统


阻变器件是后摩尔时代构建新型存算一体及类脑芯片、突破冯诺依曼体系结构瓶颈的关键电子器件技术之一。但阻变器件的非理想效应以及高密度集成带来的热效应会相互耦合,成为阻变器件在存储及神经形态计算应用中的关键挑战。蔡一茂教授、黄如院士课题组系统研究了阻变器件非理想效应的物理机制,提出了准确描述多种非理想效应的集约模型,建立了能够综合评估器件技术、阵列拓扑及算法设计的跨层次验证平台,掌握了非理想效应和热串扰对存储及神经形态计算应用的影响,为器件-阵列-算法的协同优化设计提供了重要指导。蔡一茂教授应邀作了题为《Technology-Array-Algorithm Co-Optimization of RRAM for Storage and Neuromorphic Computing: Device Non-idealities and Thermal Cross-talk》的特邀报告。微纳电子学系2017级博士研究生喻志臻为共同第一作者,蔡一茂教授、王宗巍助理研究员和黄如院士为论文的通讯作者。



图2 阻变存储技术在存储和神经形态计算应用中的器件-阵列-算法协同优化


上述研究工作得到国家自然科学基金创新研究群体、国家重点研发计划、高等学校学科创新引智计划等项目的资助。


背景链接:国际电子器件大会(IEDM)是微电子器件领域的顶级会议,在国际半导体技术界享有很高的学术地位和广泛的影响力,被誉为“微电子器件领域的奥林匹克盛会”。该会议主要报道国际半导体技术方面的最新研究进展,是著名高校、研发机构和产业界领先企业如英特尔、IBMTSMC等报告其最新研究成果和技术突破的主要平台之一。集成电路领域的许多重大技术突破都是通过该会议正式发布的。