【讲习班分享】清华大学教授吴华强课题组：运用电子突触进行人脸分类

导读

第6期智能自动化学科前沿讲习班于2018年07月28日-07月29日在武汉华中科技大学召开。本期专题关注的主题是“人工智能与智能控制”。

今天为大家分享的是清华大学教授吴华强课题组研究成果——《运用电子突触进行人脸分类》。

2017年5月12日，清华大学微电子所钱鹤、吴华强课题组在《自然通讯》（Nature Communications）在线发表了题为 “运用电子突触进行人脸分类”（“Face Classification using Electronic Synapses”）的研究成果，将氧化物忆阻器的集成规模提高了一个数量级，首次实现了基于1024个氧化物忆阻器阵列的类脑计算。该成果在最基本的单个忆阻器上实现了存储和计算的融合，采用完全不同于传统“冯·诺依曼架构”的体系，可以使芯片功耗降低到原千分之一以下。 

类脑计算示意图

在人工智能日益火热的今天，由于“冯·诺依曼架构”存在“存储墙瓶颈”，现有计算平台无法高效实现相关算法，功耗成为制约因素。相比之下，人脑可以快速、低功耗地完成各种学习任务。人脑中大约有1000亿个神经元，每个神经元之间通过成千上万个神经突触连接起来，构成复杂的神经网络。人脑的突触能同时进行记忆和计算，这与“冯·诺依曼架构”存在着显著不同。2008年忆阻器的发现，可以将存储和计算在同一个器件实现，忆阻器因此被认为是最具潜力的电子突触器件。通过在器件两端施加电压，可以灵活地改变其阻值状态，从而实现突触的可塑性。此外，忆阻器还具有尺寸小、操作功耗低、可大规模集成等优势。因此，基于忆阻器所搭建的类脑计算硬件系统具有功耗低和速度快的优势，成为国际研究热点。  

清华微电子所钱鹤、吴华强课题组的研究基于电子突触阵列搭建了神经网络硬件系统的原型，并提出了与新型硬件架构相匹配的操作方式，用来实现在线学习，以满足不同应用场景的需求。论文采用耶鲁大学人脸图片库（Yale Face）实验验证了系统人脸识别功能。实验表明，该原型系统达到了与现有CPU接近的识别率和泛化能力，相较于现有的基于“冯·诺依曼架构”的Intel 至强（Xeon） Phi处理器，该原型系统具有1000倍以上的能耗优势。

点击阅读原文或复制链接：https://www.nature.com/articles/ncomms15199.epdf查看论文

作者简介

吴华强， 清华大学微纳电子系，教授，副系主任，清华大学微纳加工平台主任，北京市未来芯片技术高精尖创新中心副主任。2000年毕业于清华大学材料科学与工程系，获得工学学士学位；同年获清华大学经济管理学院管理学士学位（双学位）。2005年在美国康奈尔大学（Cornell University）电子与计算机工程学院获工学博士学位。随后在美国AMD公司和Spansion公司非易失性存储器研发中心任高级研究员和主任研究员，从事先进非易失性存储器的架构、器件和工艺研究。2009年，加入清华大学微电子学研究所，研究领域为新型半导体存储器及基于新型器件的类脑计算研究。先后负责多项自然科学基金、863、973和重点研发计划多项课题。在Nature Communications, Nature Electronics, Nano Letters, Advanced Materials, Advanced Functional Materials, Scientific Reports等期刊和国际会议发表论文100余篇，获得美国授权发明专利21项，获得中国授权发明专利32项。

来源：清华大学

中国认知计算与混合智能学术大会报名通道现已开启，欢迎广大国内外学者及相关领域各界人士参会，期待您的到来。

往期文章推荐

人工智能名人堂第49期 | 斯坦福研究院名人堂成员：Peter E. Ha

🔗【通知】关于开展2018年CAA优秀博士学位论文奖励及推荐工作的通知

🔗【第六期讲习班】 “人工智能与智能控制”学科前沿讲习班报告内容

🔗【通知】关于举办2018新一代人工智能高峰论坛的通知

🔗【通知】2018全国第二十三届 自动化应用技术学术交流会会议通知

🔗【讲习班通知】第6期智能自动化学科前沿讲习班将于7月28日开讲

🔗【观点】王飞跃：如何培养人工智能人才——从平行教学到智慧教育

🔗【第二届IEEE/IFAC区块链与知识自动化国际会议报告分享】谢志峰教授：新时代半导体商业模式探索

🔗【通知】关于2018年度CAA科学技术奖励推荐工作的通知

🔗【重磅】IEEE计算社会系统汇刊快速发展， 撤出IEEE重振委员会监管清单

🔗【分支机构】2018年全国机器人与智能制造博士后学术论坛在沈阳成功召开

点击“阅读原文”查看论文