活动回顾 | 第六届未来芯片论坛顺利举办

吴华强教授主持开幕式

大会开幕式由清华大学集成电路学院、北京未来芯片技术高精尖创新中心副主任吴华强主持。他表示，未来芯片论坛自2016年12月首届召开以来，每年邀请全球相关领域的专家学者对芯片技术前沿发展趋势进行多层次多维度的深入探讨。6年来，未来芯片论坛聚焦的议题从“2016：设计自动化的机遇与挑战”、“2017：智慧芯片和智慧世界”、"2018：可重构计算的黄金时代”、"2019：让芯片更智能”，"2020：未来芯片新前沿”，到今年的“2021：未来芯片新融合”，不断反映着全球芯片技术的发展沿革，致力于探索未来芯片技术尖端前沿的创新发展路径。

魏少军教授致开幕辞

清华大学教授、未来芯片技术高精尖创新中心学术委员会主任魏少军致开幕辞。他对各位参会嘉宾表示热烈欢迎。他指出，疫情改变了我们的生活方式，也加速了芯片技术的创新变革。清华大学长期以来高度重视芯片技术的研发，今年四月，清华大学集成电路学院正式成立，将会为芯片产业的发展与人才培养做出重大贡献。此前于2015年成立的北京未来芯片技术高精尖创新中心，也在6年的发展中逐渐成为国际芯片技术研发的重要平台，引领海内外顶尖学者就芯片前沿技术研发展开了深入交流合作。

本次大会分为三个Session，报告嘉宾分别围绕“材料融合与器件融合”、“架构融合与设计融合”、“系统与应用场景融合”等专题进行精彩分享。

Session 1：Materials Fusion and Device Fusion

唐建石副教授主持“材料器件融合”专题报告环节

Ramesh Ramamoorthy教授报告

来自加州大学伯克利分校的Ramamoorthy Ramesh教授作了题为“Ultra low power beyond CMOS electronics”的报告。他指出，要想充分发挥AI的潜力仍需要约100倍的算力提升，而针对能耗的优化是算力提升的重中之重，到2030年，半导体器件的功耗有望低至10-18 J/op。如何研发出超低功耗的半导体器件？Ramesh提出，目前铁磁材料在存储与逻辑方面都已经展现出了巨大的潜力，已有工作证实，这类器件的操作电压有望被压低至降低5-10倍。此外，Ramesh提出，深入原子层次研究器件的物理机理亦是优化器件性能的重要手段。最后，Ramesh指出，电子器件是材料科学与计算机科学的重要连接点，为学科交叉赋予了更多可能性。

Huili Grace Xing教授报告

来自康奈尔大学的Huili Grace Xing教授作了题为“Wide Bandgap Semiconductors in Future Chips”的报告。过去几十年间，半导体材料的禁带宽度（Bandgap）不断展宽。她指出，如今科学家正在研究更大禁带宽度（>4.5eV）的材料，这种材料在EUV、航天、高功率、超高温等场景下具有十分重要的应用前景。她提出，目前第三代半导体的工艺技术已经取得了长足的进步，这为更前沿的宽禁带半导体的研究赋予了更多可能。例如，铝氮化合物已在Deep-UV LED、HEMT放大器等方面展现出了良好的性能。Xing所领导的课题组在宽禁带半导体的掺杂方式、工艺集成等方面开展了大量研究，研发出第一款基于掺杂半导体的DUV光电器件，研发出可用于超快单光子检测的半导体器件，在与CMOS工艺集成方面也取得了巨大的进步。

Eric Pop教授报告

来自斯坦福大学的Eric Pop教授作了题为“What are 2D Materials Good for?”的报告。他指出，二维纳米材料正在吸引越来越多研究人员的关注，20世纪硅晶体管大行其道，但是21世纪，原子级超薄二维材料正在持续发力，与硅相辅相成共同构建高性能计算系统。Pop提到，二维材料具有许多传统硅材料所不具备的有趣特性，如超高的迁移率、超高的电流密度、热各向异性等，Pop所带领的课题组也已经在二维材料方面取得了许多重要的成果。报告最后，Pop提出，器件生长、测量方法、电学特性这三方面未来还需更加深入地研究，而且研究者要时刻关注新技术与新想法的工艺可行性，这样才能获得更具应用潜力的优异器件。

Session 2：Architecture Fusion and  Design Fusion

Hai Li教授主持“架构与设计融合”专题报告环节

Kaushik Roy教授报告

来自普渡大学的Kaushik Roy教授做了题为“Re-engineering Computing with Neuro-Inspired Learning: Devices, Circuits, and Systems”的报告，报告首先介绍了通过神经启发学习重新设计计算的必要性，认为需要探索受神经科学原理启发的新学习算法，开发最适合此类算法的网络架构，实现能耗改善的新硬件技术，以及可以密切模仿大脑神经元和突触操作的纳米级设备，从而更好地实现硬件基板和计算模型之间的匹配。他接着分享了团队最近在基于尖峰学习的神经形态计算方面的工作以及底层硬件的设计工作进展，包括基于SpikeNET的光学流评估，基于LSMs的手势识别和基于Event sensor +SNN 飞行无人机，这些硬件设计以良好的准确度实现了高能效的量子改进。最后他分析了适用于这类计算的新型存储器件和基于这些器件实现类脑学习的计算方法，然而这些器件的寄生效应好非理想特性以及ADC高能耗占比对系统性能和功耗造成挑战，因此他提出器件-系统协同设计的关键。

Tajana Rosing教授报告

来自加州大学圣地亚哥分校的Tajana Simunic Rosing教授做了题为“Hyperdimensional Computing with Applications”的报告，他提出超维计算是一类学习算法，它使用高维随机向量来表示数据，使模型对噪声和硬件故障具有极好的鲁棒性，由此超维计算有望成为最先进机器学习的轻量级替代方案。接着介绍了他的团队最近在超维计算软件和硬件基础设施方面的一些成果，包括支持高维空间中关键认知计算的算法，如分类、聚类、回归等；超维计算在新系统传感器和移动设备上的高效高清计算应用上有突出的成果：在聚类应用中比CPU快371倍且能效高出133倍，在分类应用中比CPU快86倍且能效高出172倍，Tri-HDC比FloatPIM快 2137倍 且能效高出3.6倍。最后，她分享了搭建超维计算系统的一些成果，包括和Intel合作开发的推荐算法、图像识别、加速分析质谱数据等。

David Z.Pan教授报告

来自德克萨斯大学奥斯汀分校的David Z. Pan教授作了题为“Reinforcement Learning for Electronic Design Automation”的报告，报告中详细介绍了强化学习在EDA中的三个案例研究：芯片宏布局、模拟晶体管尺寸和逻辑综合。Pan与谷歌大脑合作开发了混合强化学习和分析混合尺寸放置器，并在公共和专有基准测试中以更少的训练时间获得了更好的结果。在与英特尔合作中开发了一种受强化学习启发的优化器，用于模拟电路尺寸调整，结合了深度神经网络和强化学习的优势，实现了最先进的黑盒优化结果。在将 强化学习应用于流行的逻辑综合框架中获得了有良好的结果。最后通过这些案例，他讨论了强化学习在 EDA 中的优势、劣势、机遇和挑战。

Onur Mutlu教授报告

来自苏黎世联邦理工学院Onur Mutlu教授作了题为“Memory-Centric Computing”的报告，他认为目前的计算性能的提升严重受限于数据，大量的数据压制了现代机器的存储能力、通信能力和计算能力。他指出现代架构的三个主要缺点有处理数据，利用海量数据和利用应用程序数据的不同语义属性，因此需要设计一个智能架构来更好地处理数据。他提出处理好数据需要基于三个关键原则设计架构有以数据为中心，数据驱动和数据感知。接着他举例说明了如何利用这些原则设计一个更高效和高性能的计算系统，包括使用内存处理和近内存处理，接着他展示了两种类型的架构在图形分析、数据库系统、机器学习、视频处理中的性能和能耗方面均实现了数量级的改进。最后他总结了未来计算架构和系统设计的一些指导原则。

Session 3：System and Application Scenario Fusion

Woogeun Rhee教授主持“系统与应用场景融合”专题报告环节

单记章董事长报告

来自黑芝麻智能科技有限公司的单记章董事长作了题为“Enabling Autonomous Driving and Embracing the Era of Computing Power”的报告。他指出，当前自动驾驶已经进入算力角逐时代，从以前关注一辆车有多少马力，到现在关注一辆车有多大的算力。而自动驾驶的核心芯片将成为算力的承载者。自动驾驶不仅仅需要神经网络算力，也需要其他算力，如CPU和图像传感器ISP等。现在一辆车通常会有多个高清摄像头，把摄像头传感器的数据处理好，对才能让自动驾驶看得清，高效的深度神经网络加速单元NPU可以让自动驾驶看得懂。黑芝麻智能是汽车专业和芯片专业融合的产物，通过自主可控的核心IP构建核心竞争优势，可以提供全面的解决方案去支撑商业化落地。

牛亚文副所长报告

中国移动物联网研究所副所长牛亚文以“Integration of sensing, communication and computing, the foundation of  future world”为题作报告。从感、通、算三个方面分别介绍了中国移动在实现智能应用方面的战略布局。智能化是物联网的发展趋势，智能物联网时代，智能化将广泛的存在于每一个终端设备，并在端-边-云各层次按需流转。泛在感知、泛在通信、泛在计算，是智能物联网发展的技术推动力，其中算力（芯片）和算法比拼是关键。最后介绍了两个典型应用，一个是联合清华大学共同研发的工业PCB质检系统，另一个是居家老人日常安全及健康监测系统，预计在引入存算一体芯片后，可进一步提高系统性能。

叶乐教授报告

北京大学叶乐教授应邀作题为“Ultra-low power intelligent IoT AIoT chip”的报告。物联网是继互联网之后下一个万亿规模的新兴信息技术产业，智能物联网AIoT芯片是其底层的物理载体。感、存、算融合是未来的发展趋势，可显著提高数据获取与处理的效率和能效。目前智能物联网AIoT芯片面临的巨大挑战是如何在极其有限的电源下实现超长待机时间。该报告从以下四个方面解决了这一核心问题:1)随机稀疏事件下的超低功耗芯片架构;2)节能传感数据传感电路;3)节能嵌入式人工智能推理电路;4)能量采集电路。

韩银和研究员报告

来自中国科学院计算技术研究所的韩银和研究员作了题为“Research Center for Intelligient Computing Systems”的报告。他认为，机器人处理器相比其他通用处理器最大的不同就是其机器人需要运动，做好机器人的运动控制和路径规划就变成了非常重要。实现机器人多关节多自由的控制就需要求解机器人运动学方程。最快的机器人逆运动学求解方法在求解100自由度机器人的逆运动学方程仍需要1秒钟左右的时间，很难满足机器人控制的实时性要求。韩老师团队的DaDu系列芯片对该算法进行了针对性优化，使得求解速度相比CPU和GPU具有很高的加速比。同时还采用基于DRAM 的存算一体的方式来提升处理器的带宽，可以获得更好的计算速比。

刘勇攀教授主持“系统与应用场景融合”专题报告环节

郭小军教授报告

来自上海交通大学的郭小军教授带来题为“Thin-film Transistor Macro-chips for Near- and in-Sensor Signal Processing”的报告。他提到，万物互联网旨在将互联网连接扩展到标准电子设备以外的任何日常设施。要实现这一点，需要定制传感器系统以适应各种类型的需求。除了基本功能之外，对成本、功耗、设计到产品的时间以及工艺因素也会有更严格的要求。该报告介绍了利用大面积高分辨率薄膜晶体管设计器件来构建各种近感和感内传感器功能集成的系统的最新进展，包括接口、转换、放大和像素切换。报告指出，基于有机半导体的薄膜晶体管技术的发展进一步为IoE传感器系统提供了一种更加通用和节能的实现方法。

卓成教授报告

Woogeun Rhee教授报告

大会的最后一场报告题为“Single-Bit Delta-Sigma Techniques for Robust Communication Circuits and Systems”，来自清华大学集成电路学院的Woogeun Rhee教授。报告中提到，失配和非线性的问题限制了模拟电路的性能，同时更低的电源电压也会影响TDC性能。Delta-Sigma 调制方法可实现稳健的混合信号设计，但在使用多位调制时仍存在非线性问题，因此需要采用类数字化的设计方式来搭建一个可靠的通信系统，如1-bit Delta-Sigma调制技术就不需要非线性校准。1-bit Delta-Sigma调制具有高速低功耗的特点同时与先进工艺的CMOS兼容。报告主要介绍了多个使用1-bit调制算法来设计的收发器应用，在调制和解调过程中都不需要数字校准，以及基于1-bit Delta-Sigma TDC 和1-bit Delta-Sigma energy-detection方法的TOF收发器等。

吴华强教授致闭幕辞

主题报告结束后，吴华强教授代表主办方致闭幕辞。他对来自全球的与会嘉宾表示由衷感谢，并对本次论坛的精彩分享进行了简要总结。他提到，从未来芯片技术的发展趋势来看，设计工艺协同优化（DTCO）和系统工艺协同优化（STCO）变得更加重要，融合创新的计算范式已经出现。融合创新的概念同样体现在全产业链的协同创新，北京未来芯片技术创新中心自成立以来一直致力于扩大合作探索新兴芯片技术。新成立的清华大学集成电路学院，是我们提升该领域研究和人才培养能力的战略举措。未来期待与来自全球的学术界和产业界合作伙伴进行更深入的合作，共同推进芯片产业技术的跨越式发展。

供稿：赵涵、赵美然、党琦、牟星

编辑：冯跃