科研学术

分享到微信 ×
打开微信“扫一扫”
即可将网页分享至朋友圈
信通学院周军教授团队在芯片领域顶级会议DAC和CICC发表AI芯片研究成果
文:信通学院 图:信通学院 来源:信通学院 时间:2022-08-18 7232

  近期,在芯片领域两大顶级会议Design Automation Conference(DAC)和Custom Integrated Circuits Conference(CICC)上,电子科技大学信息与通信工程学院周军教授团队宣读了在低功耗AI芯片方向的最新两项工作:(1)超低功耗脑电AI处理芯片“An Energy-Efficient Seizure Detection Processor using Event Driven Multi-Stage CNN Classification and Segmented Data Processing with Adaptive Channel Selection” ;(2)于超低功耗心电AI处理芯片“An Energy-Efficient Cardiac Arrhythmia Classification Processor using Heartbeat Difference based Classification and Event-Driven Neural Network Computation with Adaptive Wake-Up”。周军教授指导的博士生刘嘉豪为两篇论文第一作者,周军教授为通讯作者,芯片的前后端设计及实现均在团队完成。以上论文也是电子科技大学在AI芯片领域的首篇DAC和首篇CICC论文。

  癫痫是一种常见的脑功能障碍性疾病,下一代可穿戴癫痫AI监测设备可以长期监测用户的癫痫发作情况,对癫痫患者的诊断、用药评估和及时救治具有重要意义。配合神经刺激电极等,还可以对癫痫进行实时反馈治疗。而该类设备的一个核心模块就是脑电AI处理芯片。为了嵌入到可穿戴设备,该芯片需要在实现高准确率癫痫AI检测的前提下,以极低的功耗运行(毫瓦以下)。然而,AI芯片的一大难题在于计算复杂度高、功耗高,市场上现有的AI芯片功耗一般在几百毫瓦到几十瓦之间,不适合可穿戴设备。因此,如何设计面向可穿戴设备的超低功耗脑电AI处理芯片,是一个必须解决的问题。

  周军教授团队研发的脑电AI处理芯片,采用了基于深度学习的人工智能处理技术,自动分析与识别用户脑电中的癫痫信号。在该芯片中,研究人员设计了基于事件驱动的多级神经网络处理引擎,利用前级较为简单的神经网络筛选出易于分类的非癫痫/癫痫脑电样本,只有少部分难以区分的样本才会激活后级较为复杂的神经网络完成进一步分类,在取得高分类准确率的同时,大幅降低了分类处理功耗。此外,研究人员根据脑电信号滑窗处理的特点,提出了一种信号分块处理技术,消除了相邻样本由于滑窗处理带来的冗余计算,该技术不仅进一步降低了处理功耗,还节约了硬件资源。此外,该芯片还设计了一种片上自适应通道筛选电路,可根据用户脑电信号特征,自动筛选与癫痫特征相关性较小的脑电采集通道,通过关闭这些通道进一步降低处理功耗。该芯片采用55nm CMOS工艺流片,芯片面积仅为1.20mm2,在国际标准脑电癫痫数据集CHB-MIT上的癫痫检测灵敏度大于97.7%,单个样本的分类能耗仅为0.32微焦,为目前国际上最低。接下来,团队将与医院合作,对该芯片进行进一步测试,并围绕芯片开发可穿戴癫痫AI监测设备。

图片1.png

超低功耗脑电处理芯片总体架构图

   此外,团队延续了2021年在芯片领域顶级会议ISSCC上发表的超低功耗心电AI处理芯片工作。提出了一种基于用户心拍的差分心电识别技术,降低了用户个体差异对分类性能的影响,提高了准确率,同时降低了处理功耗。同时,提出了基于内嵌的两级神经网络,进一步降低了事件驱动AI处理功耗。在此基础上,还提出了自适应神经网络唤醒模块,显著降低了神经网络处理引擎的开启频率,进一步降低了处理功耗。该芯片采用55nm CMOS工艺流片,芯片面积仅为0.92mm2,在国际标准心电数据集MIT-BIH上对心律不齐分类准确率为98.7%,单个心拍分类能耗仅为0.09微焦,为目前国际上最低。

 图片2.png

超低功耗心电处理芯片总体架构图

图片3.png

脑电AI处理芯片

图片4.png

心电AI处理芯片

  周军教授团队主要研究面向智能感知终端的低功耗智能处理芯片,通过芯片与算法协同设计,构建智能化、低功耗、微型化的软硬一体化智能处理解决方案,面向智能穿戴、视觉感知、声音感知等应用。团队近年来在相关领域顶级会议/期刊发表了一系列高水平论文,包括电子科技大学在AI芯片领域的首篇ISSCC、DAC、CICC和A-SSCC,主持了国家重点研发计划项目、国家自然科学基金联合重点项目、国家自然科学基金面上项目等国家级项目,以及与商汤、华为、京东方等知名公司的横向合作项目。团队是先进微处理器技术国家工程实验室在电子科技大学的承建团队,与商汤、Intel等人工智能领军企业建立了校企联合实验室,周军教授担任华为中央研究院AI芯片领域顾问。研究成果获得IEEE电路与系统学会论文奖、中国发明创新奖、中国产学研合作创新奖、吴文俊人工智能技术发明奖等。近年来指导学生多次获得中国研究生创芯大赛、中国研究生电子设计竞赛(电子科大首次进入全国十强)、中国研究生人工智能创新大赛、全国大学生FPGA创新设计等重要竞赛的全国一等奖。


  论文链接:

  DAC论文:https://59dac.conference-program.com/presentation/?id=RESEARCH824&sess=sess135

   CICC论文:https://ieeexplore.ieee.org/document/9772795


编辑:李文云  / 审核:林坤  / 发布:陈伟