人工智能芯片设计

课程编码：180202140100P4007H 英文名称：Artificial intelligence chip design 课时：20 学分：1.00 课程属性：研讨课 主讲教师：鲁华祥等

本课程是为集成电路科学与工程学科研究生开设的研讨课。从人工智能计算技术的基础知识开始讲解，内容涵盖人工智能芯片的架构设计、数据复用、网络映射、存储优化、电路模块设计、软硬协同设计、芯片系统仿真验证等。本课程能够帮助从事集成电路设计的研究生了解人工智能芯片的技术发展与技术挑战，掌握人工智能芯片的设计要领，为从事相关科研工作与工程实践提供知识储备

电路基础，计算机原理

第一章 人工智能与神经网络 2学时 鲁华祥
第1节 人工智能科学与技术的发展历程
第2节 人工智能加速硬件发展现状概述
第二章 基于卷积的人工智能芯片设计 10学时 陈刚
第1节 基本网络层的数学模型与计算特点
第2节 智能计算面临的挑战与设计难点
第3节 卷积神经网络模型及其训练方法
第4节 卷积神经网络模型压缩技术
第5节 芯片计算系统设计与芯片定义
第6节 卷积神经网络层的数据复用特点分析
第7节 面向卷积神经网络加速的芯片架构设计
第8节 存算一体的计算阵列设计
第9节 卷积神经网络芯片存储结构设计
第10节 数据切分、数据调度与存储管控
第三章 支持Transformer模型的硬件设计 2学时 陈刚
第1节 Transformer模型概述
第2节 支持Transformer的异构加速器架构设计
第四章 脉冲神经网络芯片 2学时 陈刚
第1节 脉冲神经网络模型介绍
第2节 脉冲神经网络芯片架构概述
第五章 人工智能芯片的可测性设计与容错设计 2学时 鲁华祥
第1节 集成电路的可测性与容错性背景与定义
第2节 人工智能芯片的可测性与容错性设计方法介绍
第六章 讨论 2学时 鲁华祥
第1节 人工智能芯片设计技术讨论

鲁华祥，研究员，博士生导师。享受政府特殊津贴，半导体神经网络智能感知与计算技术北京市重点实验室主任。主要从事类脑神经计算方法、微电子类神经计算芯片和系统、不确定性及非完全信息处理等研究。先后主持或参与了国家重大科研项目10余项（其中国家自然科学基金项目8项、国家863计划项目5项，其他项目5项）。科研成果先后有7次获得国家和省部级科技进步奖，分别是：2015年“解放军科技进步二等奖”、2001年“北京市科学技术进步一等奖”、2000年“中国科学院盈科优秀青年学者奖”、1996年“电子行业‘八五’科技攻关计划先进个人”、1996年“国家发明三等奖”、1996年“国家‘八五’科技攻关重大科技成果”奖、1995年“95’电子十大科技成果”奖。发表被SCI/EI检索的学术论文50余篇，获得国家发明专利30余项，出版专著1部。
陈刚，副研究员，硕士生导师。2013年毕业于中国科学院大学，获得工学博士学位，毕业后留所工作。长期致力于神经拟态计算方法及硬件电路、智能优化算法及其加速硬件等研究工作,针对高动态复杂环境下的不确定和非完整信息的高可信、实时处理需求，研究能模拟生物神经突触信息处理机制及神经元网络组织形态的神经计算理论方法，探索基于新材料、新器件的神经形态单元，研制具有噪声容错和缺陷容错机制的类脑神经形态计算芯片，以及高等认知功能训练学习和计算的类脑神经认知计算系统。期间完成了半导体所CASSANN系列类脑神经形态芯片的研制工作，并于2015年获得“解放军科技进步二等奖”。