深度学习引发的人工智能高速发展, 这需要底层硬件的计算性能不断提高. 然而随着网络规模的扩大, 受制于传统冯诺依曼体系架构, 现有的通用硬件平台 (CPU, GPU和FPGA等) 难以实现地实现相关算法. 基于新型忆阻器件的类脑计算研究成为国际热点和学科前沿, 可广泛应用于物联网和边缘计算, 处理智能识别任务.
基于忆阻器的类脑计算示意图.
吴华强长期致力于相关研究, 有着深厚的技术积累. 在相关报告中, 吴华强从器件, 电路架构和算法出发, 展示了如何面向类脑计算进行联合优化设计. 通过材料, 器件结构和工艺优化, 制备了具有良好的双向连续阻变特性的忆阻器电子突触阵列. 基于此阵列, 实验验证了人脸识别功能, 并展现了相比其它硬件实现方式所特有的可持续学习能力.
吴华强进一步从功耗, 面积出发, 进行电路设计优化, 并针对忆阻器的特点, 在国际上首次提出了隐层输出二值化 (Binarized-hidden-layer) 芯片架构, 面向手写数字体识别任务, 分析了器件非线性, 波动性和差异性的影响, 并定量的提出了对忆阻器器件的性能要求, 指明了器件优化的方向.
国际电子器件大会起源于1955年, 主要报道国际微电子器件领域的最新研究进展, 是国际微电子器件领域的顶级会议, 迄今已有逾六十年的历史, 在国际半导体技术界享有很高的学术地位和广泛的影响力, 被外媒誉为 '微电子器件领域的奥林匹克盛会' .