深度學習引發的人工智慧高速發展, 這需要底層硬體的計算性能不斷提高. 然而隨著網路規模的擴大, 受制於傳統馮諾依曼體系架構, 現有的通用硬體平台 (CPU, GPU和FPGA等) 難以實現地實現相關演算法. 基於新型憶阻器件的類腦計算研究成為國際熱點和學科前沿, 可廣泛應用於物聯網和邊緣計算, 處理智能識別任務.
基於憶阻器的類腦計算示意圖.
吳華強長期致力於相關研究, 有著深厚的技術積累. 在相關報告中, 吳華強從器件, 電路架構和演算法出發, 展示了如何面向類腦計算進行聯合優化設計. 通過材料, 器件結構和工藝優化, 製備了具有良好的雙向連續阻變特性的憶阻器電子突觸陣列. 基於此陣列, 實驗驗證了人臉識別功能, 並展現了相比其它硬體實現方式所特有的可持續學習能力.
吳華強進一步從功耗, 面積出發, 進行電路設計優化, 並針對憶阻器的特點, 在國際上首次提出了隱層輸出二值化 (Binarized-hidden-layer) 晶片架構, 面向手寫數字型識別任務, 分析了器件非線性, 波動性和差異性的影響, 並定量的提出了對憶阻器器件的性能要求, 指明了器件優化的方向.
國際電子器件大會起源於1955年, 主要報道國際微電子器件領域的最新研究進展, 是國際微電子器件領域的頂級會議, 迄今已有逾六十年的曆史, 在國際半導體技術界享有很高的學術地位和廣泛的影響力, 被外媒譽為 '微電子器件領域的奧林匹克盛會' .