清华集成电路研究所高斌:基于存储-计算集成技术的类脑声音定位方法

近日，清华大学集成电路研究所高斌副教授研究组在《自然？《自然·通讯》杂志在线发表了一篇题为《基于忆阻器的模拟计算用于原位训练的脑启发声音定位》的研究论文，提出了一种基于记忆-计算集成技术的类脑声音定位方法。针对定位任务的计算需求，提出一种多阈值更新策略，以缓解忆阻器非理想因素造成的精度损失。在集成规模为1K的忆阻器阵列中，课题组成功演示了声音定位的在线训练，实现了两个数量级的能耗降低。

图1大脑存储和计算一体化声音定位示意图

清华大学集成电路研究所高斌副教授研究组利用忆阻器的连续电导调制特性，构建了一种基于忆阻器阵列的新型类脑计算系统，应用于声音定位任务:网络由60个输入神经元和7个输出神经元组成，输入和输出信息分别为双耳接收的声学信号和-90度至90度范围内的方位角，所有输出层神经元* * *决定预测角度。

图二。基于忆阻器阵列的声音定位网络的硬件实现，受脑机制启发。

传统的忆阻器编程策略虽然可以大大降低在线训练的硬件开销，但是很难满足定位任务的精度要求。为了克服这个问题，研究组提出了容忍忆阻器离散性的多阈值更新策略。在权值更新过程中，引入多个判断阈值，并根据权值更新值所在的区间施加相应数量的操作脉冲。分析结果表明，多阈值更新策略实现了语音网络训练精度和硬件开销之间的平衡。

图3考虑忆阻器特性和硬件开销的多阈值更新策略。

在1K TiN/TaOy/HfOx/TiN忆阻器阵列中，研究小组成功演示了针对CIPIC HRTF数据集样本的声音定位任务。实验结果表明，与传统训练方案相比，采用多阈值更新策略后，网络检测准确率提高了约45.7%。此外，与之前的CMOS ASIC方案相比，该技术表现出较高的定位精度和184倍的能耗优势。该工作为实现低能耗、高性能的类脑定位系统提供了一种新的解决方案。

图4基于忆阻器阵列的声音定位功能演示和硬件评估结果。

最近，这项工作的相关研究成果在Nature上题为“基于忆阻器的模拟计算用于原位训练的脑启发声音定位”？在线出版的时事通讯(自然通讯)。清华大学集成电路研究所高斌副教授、吴华强教授为本文合著者，周颖、高斌、张庆田为本文合著者。本研究得到了科技创新2030重大项目“脑科学与类脑研究”、国家自然科学基金杰青项目、重点项目和科学探索奖的支持。

高斌副教授多年来一直致力于基于忆阻器的类脑计算领域的研究。受邀在Nature Electronics、Nature Communications和Proceedings of IEEE等期刊上撰写脑芯片综述，在ASP-DAC、A-SSCC等会议上做专题报告，在IEDM、EDTM等旗舰会议上担任模型分委会主席。