科研学术

近日，信息与通信工程学院周军教授团队在芯片设计奥林匹克会议International Solid-State Circuits Conference（ISSCC）2024发表了两项超低功耗端侧AI芯片的工作成果。ISSCC是世界学术界和企业界公认的芯片设计领域最高级别会议，众多芯片历史上里程碑式的发明都是在该会议上首次披露，入选ISSCC的工作代表着当前国际顶尖水平。该会议于2024年2月18日至22日在美国旧金山举行，周军教授的博/硕士研究生刘嘉豪、肖剑彪、刘骁、张旭辉参加了会议，并作了口头报告和现场演示。

其中一款芯片是超低功耗离线语音控制AI芯片。近年来，智能家居、智能座舱、智能玩具等语音控制应用逐渐兴起，通过在智能终端嵌入离线语音控制AI芯片，可以通过语音来控制设备的多种功能。相比在线语音控制，离线语音控制具有保护隐私、响应及时等优点。然而，现有设计面临两个问题：1. 深度学习的引入提升了识别准确率，但导致计算功耗大幅上升，不适合功耗受限的端侧设备；2. 识别准确率容易受到环境噪声，尤其是其他人声的干扰（如电视、电话等人声）。针对以上挑战，周军教授带领学生设计并实现了一款超低功耗自适应抑噪离线语音控制AI芯片，结合模型、架构和电路协同优化，提出了多任务动态重构AI处理架构、多阶段自适应事件驱动处理电路、基于波束成形的自适应噪声抑制电路、关键词/声纹识别融合电路等多项技术，实现了微瓦级高准确率离线语音控制，平均每次识别能耗仅为约2微焦，安静场景识别准确率在95%以上，人声干扰下也可达90%以上，达到了国际同类设计最低能耗和最高准确率，并可同时支持关键词和声纹识别。该芯片适用于智能家居、智能座舱、智能玩具等低功耗离线语音控制应用。该论文第一单位为电子科技大学，中微半导体（深圳）为联合单位。第一作者为周军教授的博士生肖剑彪，周军教授为通信作者。

图1 超低功耗离线语音控制AI芯片

另一款芯片是超低功耗脑电识别AI芯片。近年来，随着脑机接口、脑电监测等应用兴起，基于深度学习的智能脑电识别设备可以实现诸如癫痫检测、意念控制、情绪感知、睡眠监测等功能。然而，现有设计面临两个问题：1. 为解决用户差异性带来的准确率问题，需要采集用户的脑电数据用于增量训练，如癫痫检测任务需要采集用户的癫痫数据，由于该类数据出现频率低，需要数周甚至数月入院监测，实用性较差；2. 深度学习技术的引入导致功耗上升，不适合穿戴式脑电设备。针对以上挑战，周军教授带领学生设计并实现了一款超低功耗脑电识别AI芯片，提出了融合机器学习和深度学习的自适应AI处理架构、小样本片上在线学习电路和基于在线学习的自适应脑电通道筛选电路等多项技术，降低了对用户样本的需求，同时实现了极低处理能耗。在癫痫检测任务中，该芯片在不需要采集病人癫痫信号的前提下，准确率达到98%以上，同时平均每次识别能耗仅为约0.07微焦，达到了国际同类设计最低能耗，相比发表在ISSCC 2023的最新工作，准确率提升了近10%，能耗降低了90%以上。该芯片支持神经网络编程和多通道脑电处理，还可用于脑机接口、睡眠监测等应用。该论文被ISSCC TPC委员会评为ISSCC 2024亮点论文，电子科技大学为第一单位，四川大学华西医学院和华中科技大学为联合单位。第一作者为周军教授的博士生刘嘉豪，周军教授和华中科技大学王超教授为共同通信作者。

图2 超低功耗脑电识别AI芯片

周军教授团队致力于面向智能感知终端的AI算法与芯片协同设计，团队近3年来在ISSCC连续发表4篇论文，囊括了电子科技大学迄今在AI芯片领域的全部4篇ISSCC论文，设计并实现了面向视觉感知、声音感知、智能穿戴应用的多款超低功耗端侧AI芯片，在满足准确率、实时性需求的同时，达到了国际同类设计最低能耗。同时，团队主持了国家自然科学基金NSAF联合基金重点项目、国家重点研发计划课题、国家自然科学基金面上项目等国家级项目，以及华为、商汤、华大电子等横向项目，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、中国研究生人工智能创新大赛等重要竞赛的全国一等奖。