魏少軍教授在第24屆IEEE歐洲測試技術年會上談軟體定義晶元Thinker

來源：內容來自「未來晶元技術高精尖創新中心」，謝謝。

近幾天，第24屆IEEE歐洲測試技術年會（ETS 2019）在德國巴登巴登舉行，清華大學微納電子系魏少軍教授受邀在會議上做主旨報告。魏少軍教授是歐洲測試技術年會迄今為止唯一來自中國大陸的主旨報告專家。

在題為《軟體定義晶元：創新架構引領智能計算》（Software Defined Chips：An Innovative Architecture Leading to Intelligent Computing）的主旨報告中，魏少軍介紹了軟體定義晶元的內涵，闡述了如何通過架構創新實現軟體對晶元功能進行實時動態定義的技術和方法。

近年來，魏少軍教授帶領清華大學團隊通過軟體定義晶元的架構創新，研發了Thinker系列人工智慧晶元，其硬體功能能夠隨著軟體功能的變化而動態實時變化，能夠適應不同神經網路，具備高計算效率、高能量效率以及高靈活性。

2018年，在美國檀香山召開的2018 國際超大規模集成電路研討會（2018 Symposia on VLSI Technology and Circuits，簡稱 VLSI）上，我國清華大學Thinker團隊發表了兩款極低功耗 AI 晶元（Thinker-II 和 Thinker-S）的相關論文，以及一種支持多種稀疏度網路和線上可調節功能的人工神經網路處理器STICKER。

之所以推出以上3款AI晶元，主要基於以下行業背景和需求：深度學習的突破性發展帶動了機器視覺、語音識別以及自然語言處理等領域的進步，然而，由於深度神經網路巨大的存儲開銷和計算需求，功耗成為 Deploy AI Everywhere 的主要障礙，人工智慧演算法在移動設備、可穿戴設備和 IoT 設備中的廣泛應用受到了制約。

為克服上述瓶頸，清華大學 Thinker 團隊對神經網路低位寬量化方法、計算架構和電路實現進行了系統研究，提出了支持低位寬網路高能效計算的可重構架構，設計了神經網路通用計算晶元Thinker-II和語音識別晶元Thinker-S。Thinker-II 晶元運行在 200MHz 時，其功耗僅為10mW；Thinker-S晶元的最低功耗為141微瓦，其峰值能效達到90TOPs/W。這兩款晶元有望在電池供電設備和自供能IoT設備中廣泛應用。

Thinker-S

Thinker-S中設計了一種基於二值卷積神經網路和用戶自適應的語音識別框架，同時利用語音信號處理的特點，提出了時域數據復用、近似計算和權值規整化等優化技術，大幅度優化了神經網路推理計算。Thinker-S 晶元採用 28nm 工藝，單次推理計算中每個神經元上消耗的能量最低僅為 2.46 皮焦。

Thinker-Ⅱ

該晶元中 設計了兩種二值/三值卷積優化計算方法及硬體架構，大幅降低了演算法複雜度、有效去除了冗餘計算。此外，針對由稀疏化帶來的負載不均衡問題，設計了層次化均衡調度機制，通過軟硬體協同的兩級任務調度，有效提升了資源利用率。Thinker-II 晶元採用 28nm 工藝，通過架構和電路級重構，支持神經網路通用計算。

STICKER神經網路加速器

通過動態配置人工智慧晶元的運算和存儲電路，實現了對不同稀疏度神經網路的自適應處理，大幅提升了人工智慧加速晶元的能量效率。該論文作為人工智慧處理器分會場的首篇論文，得到了本屆VLSI技術委員會的高度認可，一同入選的論文還包含了IBM, Intel, Renesas等公司的相關工作。

據悉，STICKER是世界首款全面支持不同稀疏程度網路，且同時支持片上網路參數微調的神經網路加速晶元。通過片上自適應編碼器、多模態計算單元以及多組相連存儲架構技術，實現了針對不同稀疏程度神經網路的動態高效處理，大幅提升能量效率，並減少晶元面積。針對傳統神經網路加速器無法片上調整網路參數以適應物聯網應用場景中目標及環境多變的問題，首次使用了片上微調稀疏神經網路參數的技術，以極低的開銷實現片上神經網路參數的自適應調整。相比於傳統加速器，該工作極限能效高達62.1 TOPS/W（為目前有報道的8bit人工智慧處理器的最高值）。

IEEE歐洲測試技術年會

IEEE歐洲測試技術年會（The IEEE European Test Symposium）是歐洲集成電路和電路系統領域最重要的年度學術會議之一，重點展示和討論集成電路和系統的測試、可靠性、安全性和驗證領域的科學成果、前沿技術、研究熱點和發展趨勢。大會今年吸引了250餘名來自世界各地的學者參加。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！