忆阻器与类脑芯片——访领军人物缪向水教授

忆阻器被认为是继电阻、电容、电感之后的第4种基本电路元件,这一个概念的提出和实现给传统电路理论带来了根本性的变革。忆阻器在新一代信息技术诸多领域(包括低功耗类脑计算、非易失逻辑运算、信息存储等)有着广阔的应用前景,成为近年来备受关注的新型纳米器件,并引起国内外众多高校、科研机构、业界主要半导体公司的广泛关注和投入。正值华中科技大学蔡少棠忆阻器研究中心成立之际,《微纳电子与智能制造》采访到忆阻器研究中心主任缪向水教授,请缪教授为大家讲述忆阻器相关领域的研究进展,为领域内的研究人员答疑解惑。

物端神经形态类脑芯片设计综述

本文简述目前物端神经形态类脑芯片设计的研究现状,首先回顾了目前已发表的神经形态类脑芯片,总结了其特点和局限性,然后简要介绍了脉冲神经网络的基础知识,包括脉冲神经网络的经典神经元模型、网络拓扑结构以及仿生学习算法。接下来重点介绍了目前最新发表的片上实时强化学习物端类脑芯片、片上三重类脑学习物端类脑芯片、视觉压缩感知识别物端类脑芯片以及片上多层脉冲神经网络(spiking neural network,SNN)学习物端类脑芯片4款物端神经形态类脑芯片的算法优化方案、芯片架构和电路设计、以及现场可编程门阵列(field programmable gate array,FPGA)原型或实际制造芯片测试结果。所介绍的神经形态类脑芯片均具备片上实时学习功能,且在各类基准数据集上都实现了较高的识别准确率。同时,提出的芯片架构均为较低成本,能达到相对较高的处理速度,同时还具有较为灵活的可扩展性和可配置性,能够适用于不同的物端智能应用场景,为目前研究领域面临的挑战提供了可行的解决方案。最后指出了目前物端神经形态类脑芯片设计领域发展中的核心瓶颈,并介绍了初步的解决方案。未来将围绕这些方向开展研究,设计新一代高性能物端神经形态类脑芯片。

类脑芯片:“芯”中的电磁波

人工智能目前处于第三次高速发展期,人工智能算法的发展离不开其物理基础——类脑芯片。类脑芯片特殊的传输信号和电路架构,将引起全新的电磁完整性问题。传统的自动化设计软件无法适用于类脑芯片,针对类脑芯片的新型模拟及设计技术和方法亟待开发。在类脑芯片发展前期加入电磁完整性的研究具有重要的科学价值和广泛的工业应用前景。

忆阻器类脑芯片与人工智能

现阶段计算与存储分离的"冯·诺依曼"体系在功耗和速率方面已经不能满足人工智能、物联网等新技术的发展需求,存算一体化的类脑计算方案有望解决这一问题,迅速成为研究热点。忆阻器是一种新型微电子基础器件,其电阻可通过外场连续调节且具有非易失性、小尺寸、低能耗、高速和CMOS兼容等优良特性,被认为是快速实现存算一体化计算最具潜力的类突触器件。与此同时,光电子器件和神经元遵从动力学数学同构性,借助这种同构性可用光电子器件模拟神经元行为并实现类脑计算,基于光子器件的类脑芯片正在往更高集成度、更低功耗、更高性能方向发展,其将会在类脑计算领域发挥越来越重要的作用。介绍忆阻器材料和器件方面的研究进展,具体包括石墨烯材料低温生长,小尺寸钙钛矿忆阻器件、Parylene忆阻器件、WTiO_x忆阻器件以及光子集成类突触器件及芯片等方面研究,并讨论忆阻器在类脑芯片和人工智能领域的应用前景。

基于光电器件的神经形态类脑芯片研究进展

随着信息技术和大数据时代的迅猛发展,计算效率和速度逐渐受到冯·诺依曼架构的制约。神经形态类脑计算通过模拟大脑的运行机制实现存算一体化逐渐成为研究热点。光电器件和神经元遵从的动力学具有数学同构性,利用这种同构性可以实现基于光电器件的神经形态类脑芯片,实现类脑的学习、决策、认知等数据处理和分析功能。系统总结了光电类脑器件的工作原理,基于光电类脑器件构建的人工神经元,以及在此基础上构建的神经形态类脑芯片。随着基于光电器件的神经形态类脑芯片逐渐向着高集成度和低功耗方向发展,其必将会在神经形态类脑计算领域扮演越来越重要的角色。

美国类脑芯片发展历程

美国为保持技术优势,率先发起类脑计算芯片的相关研究工作,通过模仿人脑工作原理,使用神经元和突触的方式替代传统冯诺依曼架构体系,使芯片能够进行异步、并行、低速和分布式处理信息数据,并具备自主感知、识别和学习的能力。

未知复杂环境下基于兴趣驱动的类脑自主导航技术

随着无人系统的应用越发广泛,传统导航技术很难满足无人系统在面对复杂任务和未知环境时对自主智能导航性能的要求。哺乳动物能够在兴趣驱动下实现高效智能且自适应环境的导航行为,受此启发的基于兴趣驱动的类脑自主导航技术有潜力克服传统导航实时、准确和低功耗不能同时满足的缺点。本文首先阐述了哺乳动物大脑导航机理;其次,总结概括出基于兴趣驱动的类脑自主导航技术框架;再次,从自身感知、环境认知、记忆推理和兴趣决策4个方面梳理了类脑自主导航的关键技术和实现途径,指出了相关研究的缺陷;最后,分析了现阶段类脑自主导航技术的不足,并对未来一体化发展做出展望。

无线供能的植入式脑电刺激芯片关键技术研究进展

植入式脑电刺激技术以特异的解剖学定位点为靶点刺激病灶,在达到良好治疗效果的同时避免了药物治疗带来的全身性不良反应,被广泛应用于重大脑疾病的干预治疗中。传统采用一次性电池供能的植入式脑电刺激方案受电池体积限制,需要采用长导线来传递电刺激信号,然而这种方式增加了感染和并发症发生的风险。基于近场谐振式电感能量传输(nearfield resonant inductive power transfer,NFR-IPT)的植入式脑电刺激技术可以避免植入一次性电池和长电极引线,易于实现植入设备的全集成,因此受到国内外学者的关注,其高集成度、高效率、高可靠性成为该领域未来发展的主要方向。本文首先讨论了基于NFR-IPT的植入式脑电刺激技术的优势、系统结构和工作原理,然后重点分析了脑电刺激芯片所面临的挑战和其近年来关键技术的研究进展。最后,本文总结了现有技术中所存在的问题,并探讨了基于NFR-IPT的植入式脑电刺激技术未来可能的发展方向。

脑电信号传感检测芯片系统综述

低电压低频微弱脑电(Electroencephalogram,EEG)信号检测微芯片对于构建可穿戴或可佩戴的EEG检测微设备或系统非常重要。EEG传感检测微芯片可以应用于医学、神经科学以及脑机接口(Brain-Computer Interface,BCI)技术的研究。EEG传感器可以准确、灵敏、安全、可靠地实现微弱低频颅外EEG电压的感知,将感知的信号反馈到传感后调理电路;有效的传感后调理芯片系统可以对前端传感器感知的微弱小信号进行放大、带外信号滤除、噪声抑制或消除等。通过生物模数转化器把放大的模拟EEG电压转换为数字信号,对信号打包并无线发射到远处终端,EEG信号的可靠感知直接影响到EEG接收终端后续EEG算法的有效开展。由于便携可穿戴微型医疗设备或系统的迫切需要,EEG信号传感器与传感后调理芯片的设计变得越来越重要。综述了EEG信号检测微传感器芯片系统国内外的研究进展,主要包括通过传感器即EEG电极的信号感知和传感后的EEG信号调理芯片,并对EEG传感器芯片发展进行了总结与展望。

面向智能机器人的类脑定位框架及实现方法

智能机器人需要与环境进行高效实时交互,这对位置表征的多样性和定位的实时性、适应性、鲁棒性及低功耗等提出了新的需求,给传统定位技术带来了许多新的挑战。借鉴大脑定位神经环路机理所发展的类脑定位技术为解决这些难题提供了新的技术路径。重点阐述了类脑定位原理及方法,探讨了类脑定位的系统框架及计算模型,并展望了类脑定位技术的未来发展。

纳电子学与神经形态芯片的新进展

综述了纳电子学和神经形态芯片进入新世纪后所处发展阶段以及近两年的最新进展。在纳电子领域,综述并分析了当今集成电路的发展现状,包括鳍式场效应晶体管（Fin FET）的发展、10 nm节点的技术突破、7 nm和5 nm节点的前瞻性技术研究以及三类后互补金属氧化物半导体（CMOS）器件（自旋电子器件、隧穿FET和碳纳米管栅的二维半导体Mo S2晶体管）的探索性研究,指出摩尔定律将沿着加强栅对沟道电子的控制（三栅和环栅）、更换高迁移率材料和采用新机理等技术路线继续前行。在神经形态芯片领域,综述并分析了神经形态芯片的发展历程、＂真北＂类脑芯片的技术创新和应用、当今嵌入式神经处理器的四个发展特点和采用新器件提高能量效率的探索。采用纳电子技术的神经形态芯片的发展将成为未来智能时代发展的基础。

2020年人工智能芯片技术发展综述

对人工智能芯片领域的研究进行了综合评述,并对未来发展趋势进行了分析。首先分析了当前世界主要科技巨头纷纷布局人工智能芯片的现状;然后重点介绍了边缘侧低功耗人工智能芯片的特点与研发应用现状;最后讨论人工智能芯片发展趋势。综述表明,人工智能芯片在越来越多的场景中表现出广阔的应用前景,低功耗和面向通用人工智能的人工智能芯片研发已成为大趋势,类脑仿生芯片将持续扮演通用人工智能"探路者"角色,人工智能芯片将有助于我国在世界范围的科技竞争中实现弯道超车。

Fhit、Survivin在脑胶质瘤中的表达及与MRI瘤周水肿的关系

目的:探讨脑胶质瘤中Survivin和Fhit的表达及与MRI瘤周水肿的关系。方法:将70例术前无放化疗史的脑胶质瘤手术标本和10例正常脑组织,利用采用免疫组化法分别检测Survivin和Fhit的表达,MRI瘤周水肿程度的影像学分级依据中华医学会神经外科分会2009年专家共识征求意见稿。结果:在脑胶质瘤中Survivin蛋白阳性率为64.28%,明显高于对照组(0.0%),其表达率随着肿瘤级别的增高表达增强。Fhit蛋白的阳性率为51.42%,明显低于对照组(100%),其表达率随着肿瘤级别的增高而递减。Survivin蛋白阳性率与MRI瘤周水肿呈正相关。Fhit蛋白阳性率与MRI瘤周水肿呈负相关。结论:Survivin和Fhit均参与细胞周期调控和细胞凋亡,两者的生物学效应相反,从而影响胶质瘤的发生发展。对二者进行联合检测可为进一步研究胶质瘤提供必要的理论依据。同时在术前根据MRI瘤周水肿的影像学资料可以对肿瘤的分级进行初步评估。

神经形态计算芯片产业化发展前景分析

基于人工智能、大数据场景下对芯片计算速度和能耗效率的需求,梳理影响神经形态计算芯片产业化发展的关键技术评价指标,简要分析产业化应用现状及国内外典型机构和产品,并对神经形态计算芯片的产业化发展前景做出研判。

光子芯片的智能化前景:类脑智能算法的光学实现与潜在突破

当前,以人工神经网络为代表的类脑智能模型主要在软件层面实现。尽管这些模型在智能化方面已经取得了重大突破,但其发展仍然受到电子芯片物理限制的制约。随着光计算技术的发展,基于模拟光计算的光子芯片能够在硬件层面上直接构建具有神经形态的物理计算单元,实现高效智能处理与自适应学习。本文首先概览了数字光计算和光量子计算领域中光子芯片的相关研究进展,指出发展基于模拟光计算的类脑光子芯片能够规避逻辑门设计的问题并模拟生物脑在计算方面的优势。通过梳理人工神经网络的演化以及相应光学实现技术,本文针对现有类脑光子芯片在非线性元件和规模扩展方面的瓶颈,进一步提出了以下观点:在硬件实现层面,需要进一步探索非线性光学元件,构建全光非线性操作层来模拟脑的非线性特性;在算法实现层面,需要重点研究大脑以记忆为基础的学习认知原理,并设计匹配光子特性的类脑智能算法,从而突破规模限制。

脉冲神经网络硬件系统的膜电位存储复用机制

膜电位存储器是脉冲神经网络硬件系统的重要组成部分,传统系统中每一个神经元都匹配了一个独立的膜电位存储单元,这导致整个系统有较大的膜电位存储资源消耗。受计算机主存与Cache经典映射方法启发,文章提出了多对一、多对多以及全连接复用机制解决这一问题。在复用机制中,多个神经元可以按照不同的策略复用相同的存储单元以减少系统硬件成本。这三个复用机制也有着不同硬件实现复杂度和存储冲突概率,为解决上述问题提供了灵活的解决方案。

类脑计算芯片与类脑智能机器人发展现状与思考

类脑智能是以计算建模为手段,受脑神经和人类认知行为机制启发,并通过软硬件协同实现的机器智能。类脑器件以及类脑机器人分别作为类脑智能研究的重要内容,其在类脑研究领域受到国内外学者的广泛关注。文章首先分析了类脑器件与计算系统中的类脑芯片和类脑机器人的发展现状和应用前景,重点探讨了类脑芯片在模拟人脑神经元模型和认知计算方面,以及类脑机器人在感知控制和智能生长方面的研究内容。然后,文章介绍了在中科院先导专项支持下,我国在这一方面的初步研究进展以及未来发展方向。最后,针对现有研究中遇到的问题,文章对类脑计算芯片与类脑智能机器人的进一步研究提出了建议,并指出未来研究在仿人运动模型、类人神经运动控制、人机协同的智能机器人控制等方面有望取得重大突破。

一种新型高通量三维脑细胞芯片的研制及农药神经毒性评价应用

为了模拟体内脑组织细胞的三维生长环境,高效开展脑疾病和有关药物的研究工作,文中设计和制造了一种新型高通量三维脑细胞芯片。芯片由多孔滤网和三维脑细胞颗粒构成,装载于常规的96孔细胞培养板上使用。多孔滤网和细胞颗粒模具采用计算机建模、3D打印阳模、琼脂糖-PDMS两次翻模等技术制造,三维脑细胞颗粒是将小鼠胚胎脑细胞与海藻酸钠的混悬液浇灌和凝固于细胞颗粒模具,再将形成的水凝胶切割而成。用装载好的脑细胞芯片进行农药神经毒性测定,以0、10、30、50、100、200μmol/L的毒死蜱或吡虫啉暴露胚胎脑细胞颗粒,培养完毕移去多孔滤网,方便地将细胞颗粒与培养液进行分离,然后检测细胞增殖、乙酰胆碱酯酶活力和乳酸脱氢酶释放以评估毒性。研究结果表明,在装载到96孔细胞培养板的多孔滤网中,胚胎脑细胞能够在水凝胶颗粒中正常生长增殖。在农药神经毒性测试中,毒死蜱与吡虫啉都呈现了量效相关的细胞生长增殖抑制,也表现出乙酰胆碱酯酶活力抑制、乳酸脱氢酶释放的毒性效应,但吡虫啉的作用明显弱于毒死蜱。文中构建了一种新型脑细胞芯片,可以结合酶标仪方便快速地检测药物对脑神经组织的毒性效应,也可以应用于药效和疾病机制研究。

概率计算神经网络硬件架构

概率计算(逻辑)是一种将二进制转换为概率编码的数字脉冲码流的逻辑计算,以计算精度与时延为代价,具有低功耗、高能效的计算优势。阐释了概率计算的基本概念,设计了单通道与多通道的概率计算电路,有效提高了概率计算的速度与精度。基于所提出概率计算电路,设计了概率脉冲神经元,从而实现了神经网络的可重构计算架构——北航筹算。该设计采用KINTEX-7(FPGA)实现,相较于传统二进制阵列乘法器构成的乘加器计算单元,概率计算的逻辑资源开销(LUT)降低80%。在SCNN网络计算实验中,测试运行了LeNet与AlexNet,时钟频率350 MHz条件下,均值能效可达0.536 TSOPS/W,PE利用率可达90%以上。

2019年边缘计算技术发展研究

边缘计算将数据处理任务放置在网络边缘(靠近数据源)的设备上,可以快速实现实时数据处理,具有低延迟、隐私安全性和灵活性的特点,被认为是“人工智能的最后一公里”。近年来,边缘计算的飞速发展在不断推动边缘人工智能物联网的发展。对2019年边缘计算的相关研究与成果进行了综合评述,并对未来发展趋势进行了展望。首先,梳理2019年面向边缘计算的人工智能软硬件进展,科技巨头纷纷推进战略部署,市场火爆;然后,总结2019年在降低功耗方面的最新成果,指出降低功耗是边缘计算技术落地的关键点;随后,从嵌入超低功耗人工智能芯片和异构计算架构两个方向概述边缘计算最新发展趋势;最后,从电源功耗、人工智能芯片、安全隐私、5G等四个角度讨论边缘计算面临的困难与挑战。