近日，我校英才实验学院2017级本科生李思旭在信息与通信工程学院周军教授指导下，在电路与系统领域顶级期刊IEEE Transactions on Circuits and Systems – Part I (TCAS-I)上发表题为“A Fast and Energy-Efficient SNN Processor With Adaptive Clock/Event-Driven Computation Scheme and Online Learning”的论文。李思旭为该论文第一作者，周军教授为通讯作者，电子科技大学为唯一作者单位。

　　近年来，神经网络开始被广泛应用于各种智能识别任务，如图像识别、声音识别、生理信号识别等。然而，传统的人工神经网络计算复杂度高，导致巨大的功耗，不适合物联网、边缘计算和可穿戴等设备。为了解决以上问题，人们提出了具有低功耗特性的脉冲神经网络（又称类脑计算）。相比人工神经网络，脉冲神经网络更接近人脑的真实运转机制，神经元只在激活时才发射脉冲，且仅在脉冲到来时才进行计算，从而降低了计算功耗，同时具备一定的无监督自学习能力。然而，现有的脉冲神经网络处理器在计算机制、数据搬运机制和计算资源利用率等方面存在较多局限性，导致计算能效低。

Fig. 1. Spiking neural network

　　为了解决以上的问题，李思旭等研究者们提出了一种支持推理和在线学习的高能效脉冲神经网络处理器，融合多个技术创新点，包括：自适应时间/事件混合驱动计算机制，动态邻域计算资源调度技术，脉冲路由压缩技术，可重构推理/在线学习计算架构等。通过以上技术大幅提升了脉冲神经网络处理器计算能效，同时支持推理和在线学习。该工作通过FPGA芯片进行了验证，相比现有的脉冲神经网络处理器，速度提升了40%，计算功耗降低了39%。

Fig. 2. The overall architecture of proposed SNN processor.

　　除了该工作，李思旭还参与了周军教授团队的另一个人工智能芯片项目，最近刚刚完成28nm流片设计，正在进行制造。周军教授的主要研究方向为高能效专用智能处理芯片设计，在该领域主持了国家自然科学基金NSAF重点项目、国家重大研发计划项目课题、国家自然科学基金面上项目等，发表高水平期刊/会议论文70余篇（其中，最近在人工智能芯片领域的工作被芯片领域奥林匹克会议ISSCC 2021接收，是电子科技大学在人工智能芯片领域的第一篇ISSCC）。在该领域的成果还获得了IEEE电路与系统学会论文奖、吴文俊人工智能技术发明奖、中国发明创新奖等奖项，以及EE Times等国际媒体报道。团队于2020年9月与人工智能领军企业商汤科技成立“电子科大-商汤嵌入式人工智能联合实验室”，是商汤在人工智能芯片领域的第一个国内高校联合实验室。李思旭完成该项目后，也获得邀请到商汤开展实习工作。

　　论文链接：https://ieeexplore.ieee.org/document/9336327