CNCC技术论坛 | 神经形态芯片与计算机

2018 年 10 月 6 日 中国计算机学会

2018中国计算机大会（CNCC2018）将于10月25-27日在杭州国际博览中心（G20会场）举行，大会主题为「大数据推动数字经济」（Big Data Drives the Digital Economy）。

10月15日前报名可享优惠，详见文末信息。

神经形态技术将是高性能计算的下一个发展阶段，它能够大幅提升数据处理能力和机器学习能力。IBM公司2014年8月所公布的百万神经元级别的TrueNorth芯片，在执行某些任务时，其能效可达传统中央处理器的数百倍，首次与人脑的大脑皮层有了可比之处。

时间：2018年10月27日下午13:30 - 18:30 点

地点：杭州国际博览中心会议区四层103C会议室

论坛主席

赵地

简介：中科院计算所副研究员。赵地博士获得美国路易斯安娜理工大学计算机与应用数学专业博士学位。赵地曾在美国哥伦比亚大学医学中心和美国俄亥俄州立大学医学中心从事博士后研究工作。赵地博士正主持北京市自然科学基金重点项目一项。赵地博士正在参与国家重点研发计划一项和北京市科委“脑科学研究”专项二项。

唐华锦

简介：四川大学教授。唐华锦教授分别于1994-1998年在浙江大学、1998-2001年在上海交通大学完成本科和硕士学习，于2001-2004年在新加坡国立大学获得博士学位。 2004–2006年在意法半导体公司担任研发工程师，2006–2008年于澳大利亚昆士兰大学脑科学研究所从事博士后研究，2008-2015年于新加坡科技研究局资讯通信研究院担任认知计算和机器人认知实验室主任，2014年至今担任四川大学类脑计算研究中心主任。主要研究领域为类脑计算、神经形态芯片、智能硬件、智能机器人等，已在权威学术期刊和国际会议上发表论文70余篇，由Springer出版英文专著两部。提出的“仿脑GPS模型”被国际权威科技评论MIT Technology Review高度评价。获2011年新加坡资讯通信研究院Role Model Award、2012国际机器智能比赛第二名、2016年度IEEE TNNLS 优秀论文奖，国家青年千人计划、四川省千人计划。担任多个国际一流学术期刊包括IEEE Transactions on Neural Networks and Learning Systems, IEEE Transactions on Cognitive and Developmental Systems 和 Frontiers in Neuromorphic Engineering 的Associate Editor，并担任IEEE SNCC 2016, 2017, 和IEEE CIS-RAM 2015， 2017的程序委员会主席，IEEE认知与发育系统技术委员会副主席等。

特邀嘉宾

陈云霁

中科院计算所研究员。陈云霁，男，1983年生，江西南昌人，中科院计算所研究员、博导、智能处理器研究中心主任，研究方向为机器学习和计算机体系结构。他带领其团队研制了国际上首个深度学习专用处理器芯片寒武纪，目前已经应用在数千万智能终端上。他的学术论文多次获得计算机体系结构顶级国际会议最佳论文奖，受到上百个国际知名机构跟踪引用。因此，他被Science杂志评价为深度学习处理器的先驱和领导者。他曾获全国创新争先奖、中国青年科技奖、国家自然科学基金“优秀青年基金”、国家万人计划“青年拔尖人才”、中科院青年科学家奖和中国计算机学会青年科学家奖，并被MIT技术评论评为全球35位杰出青年创新者（2015年度）。

演讲题目：神经网络计算机课程

摘要：神经网络计算机的长远发展必须建立在对学生的培养之上。为此，我们设立了一门神经网络计算机课程，为人工智能方向的学生提供硬件基础。本课程将重点围绕神经网络计算机的设计理论、方法、关键技术等展开讨论，从基本概念开始，由浅入深帮助学生建立神经网络计算机设计及应用的知识体系，培养智能时代急需的芯片设计、软件开发、算法研发等各个层次的人才。

汪玉

清华大学电子系长聘副教授。清华大学电子工程系长聘副教授，从事高能效电路与系统研究，发表论文200余篇，IEEE/ACM杂志文章40余篇；谷歌学术引用3400余次。担任ACM SIGDA E-News主编，Microecltronics Journal Special Issue Editor, IEEE TCAD、TCSVT编委，DAC等领域顶级会议技术委员会委员，ACM杰出演讲者，ACM FPGA技术委员会亚太地区成员。16年获得NSFC优秀青年基金，17年获得CCF科学技术奖技术发明一等奖，18年获得DAC Under 40 Innovator Award。获得FPGA17、NVMSA17、ISVLSI12最佳论文，以及8次国际会议最佳论文提名。深度学习FPGA加速器在2016年知识产权转化入股北京深鉴科技有限公司，打造世界最先进的深度学习平台，18年被赛灵思收购。

演讲题目：基于RRAM的神经网络系统设计与探索

摘要：Artificial neural networks, which dominate artificial intelligence applications such as object recognition and speech recognition, are in evolution. To apply neural networks to wider applications, customized hardware are necessary since CPU and GPU are not efficient enough. FPGA can be an ideal platform for neural network acceleration since it is programmable and can achieve much higher energy efficiency compared with general-purpose processors. However, the long development period and insufficient performance of traiditional FPGA acceleration prevent it from wide utilization. In this work, we propose a complete design flow to achieve both fast deployment and high energy efficiency for accelerating neural networks on FPGA. Deep compression and data quantization are employed to exploit the redundancy in algorithm and reduce both computational and memory complexity. Two architecture designs for CNN and DNN/RNN are proposed together with compilation environment. Evaluated on Xilinx Zynq 7000 and Kintex Ultrascale series FPGA with real-world neural networks, up to 10 times higher energy efficieny can be achieved compared with mobile GPU and desktop GPU。

金贤敏

中国科学院半导体所研究员、中国科学院大学教授。中国科学院半导体所研究员、中国科学院大学教授、中国科技大学兼职教授，享受国务院特殊津贴专家。1992年获日本国立电气通信大学理学博士。曾任日本国立北海道大学助教、国立电气通信大学副教授。2000年入选“百人计划”。主要从事仿生视觉芯片、神经网络图像处理芯片和量子器件电路等研究。发表学术论文200余篇，申请和授权专利共100余项，领导设计完成芯片40余款。

演讲题目：人工视觉系统芯片

摘要：人工视觉系统芯片集成了高速图像传感器和大规模并行视觉信息处理电路，能够模仿人类视觉系统视觉信息并行处理机制，可实现了每秒一千帧的系统速度，在国防和民用领域具有广泛的应用前景。报告将介绍人工视觉系统芯片的体系架构、高速图像传感、视觉处理电路、人工神经网络、芯片设计和实验等相关的国内外研究进展，并探讨今后人工视觉系统芯片发展的趋势。

李绿周

中国科学院自动化研究所研究员。简介: 中国科学院自动化研究所研究员、类脑智能研究中心副主任、中国科学院脑科学与智能技术卓越创新中心青年骨干、中国科学院大学岗位教授。主要研究方向为脑认知功能计算建模与模拟、类脑神经网络与类脑认知计算模型、类脑机器人。

演讲题目：类脑智能：从类脑神经网络到类脑认知引擎

摘要：类脑智能是通过受脑多尺度结构与计算机制启发，探索人类智能本质与人类水平人工智能的重要途径之一。本报告将从人类的心智是否能够在计算系统中重现等科学问题出发, 从人工智能、神经科学、认知科学融合的视角介绍类脑认知引擎的研究进展。主要涉及类脑认知引擎在人类心智与认知建模的研究及其人工智能应用。将着重介绍课题组在大规模多尺度脑神经网络建模与模拟、类脑自主学习与决策及其在无人机、机器人领域的应用方面。在此基础上，将进一步探讨机器自我意识的初步探索并展望机器意识与人机社会的未来。

唐华锦

四川大学教授。简介: 唐华锦教授分别于1994-1998年在浙江大学、1998-2001年在上海交通大学完成本科和硕士学习，于2001-2004年在新加坡国立大学获得博士学位。 2004–2006年在意法半导体公司担任研发工程师，2006–2008年于澳大利亚昆士兰大学脑科学研究所从事博士后研究，2008-2015年于新加坡科技研究局资讯通信研究院担任认知计算和机器人认知实验室主任，2014年至今担任四川大学类脑计算研究中心主任。主要研究领域为类脑计算、神经形态芯片、智能硬件、智能机器人等，已在权威学术期刊和国际会议上发表论文70余篇，由Springer出版英文专著两部。提出的“仿脑GPS模型”被国际权威科技评论MIT Technology Review高度评价。获2011年新加坡资讯通信研究院Role Model Award、2012国际机器智能比赛第二名、2016年度IEEE TNNLS 优秀论文奖，国家青年千人计划、四川省千人计划。担任多个国际一流学术期刊包括IEEE Transactions on Neural Networks and Learning Systems, IEEE Transactions on Cognitive and Developmental Systems 和 Frontiers in Neuromorphic Engineering 的Associate Editor，并担任IEEE SNCC 2016, 2017, 和IEEE CIS-RAM 2015， 2017的程序委员会主席，IEEE认知与发育系统技术委员会副主席等。

演讲题目：神经形态计算进展

摘要：模拟大脑智能是计算机科学领域长久以来的目标，成为过去几十年人工智能的发展的重要推动力。与传统人工智能方法不同，神经形态计算主要受神经科学发展推动，是建立在大脑神经电路结构和神经信息处理与神经脉冲计算原理上的新型计算模式，并最终以神经形态硬件方式来实现仿脑的认知计算与低功耗运算。虽然在神经元和突触层级神经科学已经取得了很大的进展，而神经元之间如何通过网络连接取得复杂认知功能仍然缺乏了解。本报告从神经形态认知计算领域需要解决的主要问题出发，介绍如下几个方面内容：神经信息编码，突触可塑性与学习算法，以及集成编码与学习的系统模型，并讨论神经形态计算领域的最新进展及展望。

赵地

中科院计算所副研究员。简介: 赵地博士获得美国路易斯安娜理工大学计算机与应用数学专业博士学位。赵地曾在美国哥伦比亚大学医学中心和美国俄亥俄州立大学医学中心从事博士后研究工作。赵地博士正主持北京市自然科学基金重点项目一项。赵地博士正在参与国家重点研发计划一项和北京市科委“脑科学研究”专项二项。

演讲题目：基于类脑计算的心电数据分析

摘要：心电信号检测与分析是心脏疾病患者的重要保障。现有的方法包括机器学习与一维深度学习。然而，现有的方法难以满足心脏疾病患者全天候实时检测高准确率和低能耗的要求。本研究基于脉冲神经网络，将心电信号的时空特性直接编码到尖峰序列中，通过基于Izhikevich尖峰神经元的网络进行特征提取，并采用时间依赖可塑性（STDP）算法进行优化，对心电信号指示的疾病进行识别。实验结果表明，通过基于类脑计算的算法分析公共ECG数据库和内部临床试验，准确率与能耗远优于现有的方法。

宋森

清华大学脑与智能实验室及医学院生物医学工程系研究员。简介：宋森，男，博士，清华大学脑与智能实验室及医学院生物医学工程系、清华类脑研究中心、麦戈文脑研究中心，研究员、博士生导师。 1991年 13岁时考入西安交通大学少年班。 2002年获美国布兰戴斯大学神经学博士学位。毕业后在冷泉港实验室及麻省理工学院完成了博士后研究。于 2010年加入清华大学生物医学工程系。主要从事计算神经科学和人工智能的跨界研究，有近二十年的工作经验和知识积累，对脑科学，深度学习算法和基因组学也有相当经验。其代表性工作包括对神经突触可塑性对精确放电时间的依赖性 (STDP)的理论研究，对脑网络最小模块结构的研究。这些研究现在构成了类脑计算研究的重要理论基础。其中 2000年在 Nature Neuroscience 杂志上发表的关于 STDP的文章单篇引用 1500余次。而 2005年在 PLos Biology 上发表的脑网络最小模块结构相关研究也已被引用 500余次。 2005-2010年在麻省理工大学Sebastian Seung实验室博士后期间将深度学习算法运用到重构大脑连接图谱工作中，为深度学习算法早期成功案例，文章发表于Nature Communications 。2012-2013年任微软亚洲研究院访问科学家，研发神经网络在图像分割与识别方面的应用，和张铮研究员一起，将注意力算法引入了神经网络，在深度学习顶级会议NIPS上发表了名为注意力神经网络的文章。运用相关方法，实验室学生在2017年Kaggle Datascience Bowl国际大赛中，从数千个团队中脱颖而出，获得第一名，开发了根据 CT影像的肺癌预测算法。

演讲题目：脑科学与类脑计算

摘要：Since my childhood, I have been fascinated by two questions:1 why human can do intelligent things that computers cannot do. 2 what is a good life. I am glad that I found out that I can tackle these fundamental questions with the tools provided by modern neuroscience, and this incredible interdisplinary field of brain research provides many exciting opportunities. Since coming to Tsinghua, I have also been increasingly interested in brain related medical problems, like depression and anxiety disorders, which challenge us and makes life difficult for many people. The overarching theme in my lab is what I call connectomics and functional connectomics, where we take inspiration from genomics and functional genomics to aim at arriving at a circuit diagram of the brain and relate circuit structures to their functions and elucidate the computational processes carried out by those circuits：1. Develop computational tools and analyze large volumes of data generated by connectomics and genomics research；2. Find out the neural circuit basis of positive emotions and their relationship to motivations to obtain rewards using imaging and optogenetics；3. Apply such knowledge to mood disorders；4. Apply knowledge gained about neural circuits to artificial neural networks algorithms and building neuromophic computer chips.

Panel嘉宾：

田永鸿,北京大学教授

施路平，清华大学教授

孙毓忠，中科院计算所研究员

鉴海防，中科院半导体所副研究员

刘力源，中科院半导体所副研究员

肖立，中科院计算所副研究员

主持人：杨静，新智元CEO