人工智能芯片

突破云-端协同环境下人工智能芯片的异构设计、可扩展性和低功耗等问题,整体提高芯片设计的智能化和芯片功能的智能化,形成云-端协同环境下的高效智能计算能力,具体研究内容包括:

1)芯片设计的智能化,利用强化学习、图模型、自动测试技术,突破模拟/混合信号版图设计、设计复用问题,加速芯片智能化设计迭代;

2)人工智能芯片IP核的群组,研究并整合深度神经网络、计算机视觉、语音识别、自然语言处理等芯片IP核,结合异构多核系统,形成可配置和可重构的人工智能芯片IP核的群组,降低传统芯片企业向智能时代跃升的门槛;

3)类脑芯片设计,结合忆阻器新进展和神经元结构,设计芯片来提升计算能力,在芯片架构上不断逼近人脑,实现超低功耗智能感知芯片设计。

微波无线感知器件

  • 非接触行为感知器件

人工智能芯片

非接触手势、心率、呼吸检测

人工智能芯片

手势交互的电磁射线追踪模型

  • 多源融合感知系统:基于创新的小型化低功耗雷达传感器,利用超近距雷达感知技术,同时融合摄像头、麦克风等传统数据采集设备,实现对车内多场景的跨媒体、全天候、全天时感知与监测。

人工智能芯片

GPU和DNN融合架构设计

  • 通用GPU与DNN深度融合的新计算架构,能效提高50%(与Nvidia Turning架构相比)

人工智能芯片

  • 面向GPU芯片的DNN加速训练技术,在单卡GPU上利用了DNN稀疏性获得2倍训练加速(DATE19)

人工智能芯片

随机生成大量架构友好的Dropout 模版,节省计算与传输,保证神经元Dropout概率