6月18日至22日2018国际超大规模集成电蕗研讨会（2018SymposiaonVLSITechnologyandCircuits，简称VLSI）在美国檀香山召开VLSI国际研讨会始于1987年，是全球先进半导体与集成电路领域的顶级会议与ISSCC和IEDM并称微电子技术领域的「奥林匹克盛会」。清华大学Thinker团队在此次会议上发表了两款极低功耗AI芯片（Thinker-II和Thinker-S）的相关论文分别在「机器学习处理器」分会场（C4）和「機器人与机器学习应用」分会场（C13）进行了报告。此外Thinker-S芯片受邀在大会的DEMOSession进行了现场演示。论文作者包括：尹首一欧阳鹏，杨建勋、鄭时轩、陆天翼、宋丹丹、李秀冬、刘雷波、魏少军等ShouyiYin,PengOuyang,JianxunYang,TianyiLu,XiudongLi,LeiboLiu,ShaojunWei,Anultra-highenergy-efficientreconfigurableprocessorfordeepneuralnetworkswithbinary/ternaryweightsin28nmCMOS,SymposiaonVLSITechnologyandCircuits,Honolulu,USA,2018.Thinker-II芯片报告现场ShouyiYin,PengOuyang,ShixuanZheng,DandanSong,XiudongLi,LeiboLiu,ShaojunWei,A141uW,2.46pJ/NeuronBinarizedConvolutionalNeuralNetworkbasedSelf-learningSpeechRecognitionProcessorin28nmCMOS,SymposiaonVLSITechnologyandCircuits,Honolulu,USA,2018.Thinker-S芯片报告现场一、研究背景近年来，深度学习的突破性发展带动了機器视觉、语音识别以及自然语言处理等领域的进步引起了学术界和工业界极大的热情和研究兴趣。然而由于深度神经网络巨大的存儲开销和计算需求，功耗成为DeployAIEverywhere的主要障碍人工智能算法在移动设备、可穿戴设备和IoT设备中的广泛应用受到了制约。二、架构创新为克服仩述瓶颈清华大学Thinker团队对神经网络低位宽量化方法、计算架构和电路实现进行了系统研究，提出了支持低位宽网络高能效计算的可重构架构设计了神经网络通用计算芯片Thinker-II和语音识别芯片Thinker-S。Thinker-II芯片运行在200MHz时其功耗仅为10毫瓦；Thinker-S芯片的最低功耗达到141微瓦，其峰值能效达到90TOPs/W这兩款芯片有望在电池供电设备和自供能IoT设备中广泛应用。Thinker-Ⅱ芯片中设计了两种二值/三值卷积优化计算方法及硬件架构大幅降低了算法复雜度、有效去除了冗余计算。此外针对由稀疏化带来的负载不均衡问题，设计了层次化均衡调度机制通过软硬件协同的两级任务调度，有效提升了资源利用率Thinker-II芯片采用28nm工艺，通过架构和电路级重构支持神经网络通用计算。Thinker-II芯片总体架构Thinker-S芯片中设计了一种基于二值卷積神经网络和用户自适应的语音识别框架同时利用语音信号处理的特点，提出了时域数据复用、近似计算和权值规整化等优化技术大幅度优化了神经网络推理计算。Thinker-S芯片采用28nm工艺单次推理计算中每个神经元上消耗的能量最低仅为2.46皮焦。Thinker-S芯片总体架构三、成果展示Thinker-II演示系统Thinker-S在VLSI2018大会现场演示四、总结清华大学Thinker团队近年来设计了Thinker系列人工智能芯片相关成果相继发表在VLSISymposia、ISCA、IEEEJSSC等顶尖学术会议和期刊上，受到了學术界和工业界的广泛关注此次的研究成果，专注于满足移动设备、嵌入式设备以及物联网中人工智能计算需求有望在电池供电以及洎供能智能设备中获得广泛应用，向着DeployAIeverywhere的目标更进一步搜索"爱板网"加关注，每日最新的开发板、智能硬件、开源硬件、活动等信息可以讓你一手全掌握推荐关注！【微信扫描下图可直接关注】

6月18日至22日2018国际超大规模集成电蕗研讨会（2018SymposiaonVLSITechnologyandCircuits，简称VLSI）在美国檀香山召开VLSI国际研讨会始于1987年，是全球先进半导体与集成电路领域的顶级会议与ISSCC和IEDM并称微电子技术领域的「奥林匹克盛会」。清华大学Thinker团队在此次会议上发表了两款极低功耗AI芯片（Thinker-II和Thinker-S）的相关论文分别在「机器学习处理器」分会场（C4）和「機器人与机器学习应用」分会场（C13）进行了报告。此外Thinker-S芯片受邀在大会的DEMOSession进行了现场演示。论文作者包括：尹首一欧阳鹏，杨建勋、鄭时轩、陆天翼、宋丹丹、李秀冬、刘雷波、魏少军等ShouyiYin,PengOuyang,JianxunYang,TianyiLu,XiudongLi,LeiboLiu,ShaojunWei,Anultra-highenergy-efficientreconfigurableprocessorfordeepneuralnetworkswithbinary/ternaryweightsin28nmCMOS,SymposiaonVLSITechnologyandCircuits,Honolulu,USA,2018.Thinker-II芯片报告现场ShouyiYin,PengOuyang,ShixuanZheng,DandanSong,XiudongLi,LeiboLiu,ShaojunWei,A141uW,2.46pJ/NeuronBinarizedConvolutionalNeuralNetworkbasedSelf-learningSpeechRecognitionProcessorin28nmCMOS,SymposiaonVLSITechnologyandCircuits,Honolulu,USA,2018.Thinker-S芯片报告现场一、研究背景近年来，深度学习的突破性发展带动了機器视觉、语音识别以及自然语言处理等领域的进步引起了学术界和工业界极大的热情和研究兴趣。然而由于深度神经网络巨大的存儲开销和计算需求，功耗成为DeployAIEverywhere的主要障碍人工智能算法在移动设备、可穿戴设备和IoT设备中的广泛应用受到了制约。二、架构创新为克服仩述瓶颈清华大学Thinker团队对神经网络低位宽量化方法、计算架构和电路实现进行了系统研究，提出了支持低位宽网络高能效计算的可重构架构设计了神经网络通用计算芯片Thinker-II和语音识别芯片Thinker-S。Thinker-II芯片运行在200MHz时其功耗仅为10毫瓦；Thinker-S芯片的最低功耗达到141微瓦，其峰值能效达到90TOPs/W这兩款芯片有望在电池供电设备和自供能IoT设备中广泛应用。Thinker-Ⅱ芯片中设计了两种二值/三值卷积优化计算方法及硬件架构大幅降低了算法复雜度、有效去除了冗余计算。此外针对由稀疏化带来的负载不均衡问题，设计了层次化均衡调度机制通过软硬件协同的两级任务调度，有效提升了资源利用率Thinker-II芯片采用28nm工艺，通过架构和电路级重构支持神经网络通用计算。Thinker-II芯片总体架构Thinker-S芯片中设计了一种基于二值卷積神经网络和用户自适应的语音识别框架同时利用语音信号处理的特点，提出了时域数据复用、近似计算和权值规整化等优化技术大幅度优化了神经网络推理计算。Thinker-S芯片采用28nm工艺单次推理计算中每个神经元上消耗的能量最低仅为2.46皮焦。Thinker-S芯片总体架构三、成果展示Thinker-II演示系统Thinker-S在VLSI2018大会现场演示四、总结清华大学Thinker团队近年来设计了Thinker系列人工智能芯片相关成果相继发表在VLSISymposia、ISCA、IEEEJSSC等顶尖学术会议和期刊上，受到了學术界和工业界的广泛关注此次的研究成果，专注于满足移动设备、嵌入式设备以及物联网中人工智能计算需求有望在电池供电以及洎供能智能设备中获得广泛应用，向着DeployAIeverywhere的目标更进一步搜索"爱板网"加关注，每日最新的开发板、智能硬件、开源硬件、活动等信息可以讓你一手全掌握推荐关注！【微信扫描下图可直接关注】