ENGLISH

科学研究

电路与系统研究所实验室

下列实验室按拼音顺序排序:



多模态数据处理系统研究室

实验室概况:

MMDP Slab隶属于清华大学电子系电路与系统研究所,以多模态视听数据和医学神经影像数据为研究对象,研究面向视听数据和神经影像数据的多模态信号处理和信息融合决策系统构建。研究信息融合决策方法、视听数据特征提取和检索系统、脑网络构建和分析系统、数据统计分析系统等。目前研究的多模态神经影像数据包括多模态磁共振信号(结构、功能 fMRI、扩散张量成像DTI等)和多通道脑电EEG数据。结合临床数据,挖掘多模态神经影像数据中对中枢神经系统损伤的辅助诊断、辅助治疗评估、神经功能重塑和预后机制研究等具有显著作用的信息。研究室同多家医院建立了合作研究关系,分别对神经胶质瘤、脊髓脊柱损伤、脑卒中、多系统萎缩(MSA)、阿兹海默症(AD)、昏迷等患者数据进行自动分析,研究成果直接服务于临床应用。同北京清华长庚医院联合完成的《多模态磁共振在神经康复评估中的应用研究》项目,获得了2019年度中国康复医学会科学技术奖二等奖(中康发[2019]53号)。

实验室负责人:

窦维蓓,清华大学电子系教授。2006年获清华大学优秀教学成果一等奖;发表学术论文百余篇,被国际国内学术机构引用900余次;获授权发明专利19项、软件著作权1项。负责制定了国家标准GB/T 33475.3-2018《信息技术 高效多媒体编码 第3部分:音频》;负责制定了IEEE标准IEEE Std.1857.8™ -2020《IEEE Standard for 2nd Generation Audio Coding》和 IEEE Std. 1857.2™-2013《IEEE Standard for Advanced Audio Coding》。

联系方式:

douwb@tsinghua.edu.cn, 010-62781703,地址:清华大学罗姆楼4-102,4-104


模拟与混合信号芯片设计实验室

实验室概况:

模拟与混合信号芯片设计实验室开展集成电路芯片设计研究,包括各类模拟、混合信号、射频集成电路芯片,如数据转换器、放大器、滤波器、锁相环、传感器模拟前端等。团队拥有世界领先的科研能力,致力于面向国家重大需求研制高性能芯片,解决我国高端芯片被卡脖子的困境。

实验室负责人:

孙楠教授是国家特聘专家。他2006年本科毕业于清华大学,2010年博士毕业于哈佛大学。他在2011年入职美国德克萨斯大学奥斯丁分校,于2017年获得终身教职,并在 2013年至2020年间连续担任AMD、Texas Instruments、Silicon Labs、Temple Foundation冠名教授。他从2018年到2020年在清华担任特聘教授,并从2020起担任长聘教授。他在2020年获得了IEEE固态电路协会颁发的新前沿奖New Frontier Award,2013年获得美国自然科学基金Career Award。他曾担任JSSC和TCAS-I编委,CICC和ASSCC的技术委员会成员,以及IEEE杰出讲师。他还担任过多家国际知名芯片企业咨询顾问,包括Intel,TI, ADI等。他培养了24名博士,其中9人在中美大学任教,包括Georgia Tech, SUNY Buffalo,北大,成电、西电、西交等,其他在世界一流芯片企业担任技术骨干。他在芯片设计领域顶级期刊JSSC发表论文30余篇,在顶级会议ISSCC/VLSI/CICC上发表论文40余篇。他目前同时担任IEEE电路与系统协会以及IEEE固态电路协会杰出讲师。

联系方式nansun@tsinghua.edu.cn, 地址:清华大学罗姆楼8-105

实验室主页:https://www.sunresearchgroup.top/



纳米集成电路与系统实验室

实验室概况:

纳米集成电路与系统实验室负责人是杨华中教授,团队教师有刘勇攀教授、乔飞副研究员、李学清副教授、蒋琛助理教授。团队主要开展3个方向的研究:模拟、射频及数模混合集成电路、智能CMOS AI 芯片与系统、后摩尔时代的新型存储与计算。

研究方向:

1.模拟、射频及数模混合集成电路

杨华中教授、李学清副教授团队长期开展模拟、射频和混合信号集成电路设计。其中,作为必不可少的核心通用芯片,高速高精度模数转换器(ADC)和数模转换器(DAC)实现数字信号和模拟信号之间的转换,广泛应用于高性能仪器和宽带通信,尤其是雷达和移动通信等高性能军民用领域。高性能的ADC和DAC可以有效降低系统复杂度和成本,增强抗干扰能力与通信质量,提升信道容量与传输速度。本研究方向致力于提出新的技术方案,克服电路、算法和工艺的非理想性问题,并且不断提高电路工作速度,从而提升ADC和DAC的有效带宽和动态范围。自2009年以来,通过一系列的芯片投片和技术的探索验证,取得了一系列成果。目前,所设计的14位精度、高达6GS/s采样率的DAC集成电路芯片,在高达1.7GHz处实现了超过70dB的动态范围,所设计的14位精度、高达1.0GS/s和3.0GS/s采样率的ADC芯片也已分别实现了批量测试和样品测试。

2.智能CMOS AI芯片与系统

刘勇攀教授课题组开展了近10年AI处理器研究,提出了“算法-架构”协同的稀疏神经网络领域专用计算理论和创新架构。基于稀疏神经网络计算架构和电路设计方法,研制了具有世界领先指标的系列稀疏神经网络计算芯片:(1)发明了支持非结构化稀疏度自适应处理器Sticker,峰值运算能效达到62.1TOPS/W。不同于算法领域的结构化稀疏技术引入的精度损失,Sticker 芯片首次在硬件层展示了对于非结构化稀疏深度学习算法的自适应支持,使得算法层面的剪枝算法的效能得以实现。支持非规则稀疏和量化同步自适应算法的Sticker-II 芯片,峰值能效达到了246TOPS/W,是首款实现对稀疏度和量化位宽自适应同时硬件支持的稀疏网络芯片;(2)发明了基于权重矩阵规则性的变换域稀疏神经网络处理器Sticker-T,获得了140TOPS/W 的峰值能效,利用变换域的方法将CNN/RNN/FC 的计算负载统一到单一变换域架构上,能够用八分之一的面积提供同样的计算能力;(3)发明了面向视频应用的时域稀疏神经网络处理器Sticker-V,利用视频数据帧间相似性,实现了在不损失网络精度的前提下提高了计算速度,将MobileNet 网络模型的单帧处理能量降低至24.7μJ/Frame;(4)发明了首款面向稀疏神经网络的存内计算系统芯片Sticker-IM/IM2,在规则的存内计算阵列上实现了不规则稀疏网络的优化,支持不同位宽的整体神经网络模型的动态映射和执行,可动态关断的存内计算核心处理单元等技术,利用稀疏网络权重和输入数据的动态优化、组相联分块结构化稀疏跳零架构、乒乓存内计算电路和灵活的稀疏网络映射和数据复用方法提升了系统资源利用率和数据访问效率。在CIFAR-10 和ImageNet数据集的不同神经网络模型中,实现了最高370TOPS/W 的核心能量效率和最高75.9TOPS/W 的系统能量效率,较当前国际领先的存内计算系统芯片能效提升6.35倍。在工业应用方面,研发的低功耗稀疏智能计算芯片和设备智能检测算法,使得工业设备边缘智能检测保持高准确度的同时,功耗低至几毫瓦,利用边缘计算显著降低无线数据传输量,提高节点响应速度和寿命2-3倍。

3.后摩尔时代的新型存储与计算

在集成电路发明半个多世纪之后的今天,新材料和新器件所孕育着的新特性,与人工智能和物联网等新计算模式和应用正在引发全新的计算需求,并且激励着在器件、电路、架构和应用等多层次上开展新型存储与计算的协同创新与优化。该方向的研究在当前CMOS集成电路的摩尔定律逐渐失效、传统的冯∙诺伊曼架构面临诸多瓶颈的情况下,开展了多个研究方向的工作:(1)杨华中教授、刘勇攀教授和李学清副教授团队基于铁电和忆阻器等新兴工艺,提出了非易失计算架构和电路设计方法,研制了具有世界领先指标的系列非易失计算芯片(代表性工作:世界首款非易失处理器THU1010N)、支持自适应数据备份/恢复功能的非易失处理器、基于非易失外设架构的片上系统芯片,以及非易失处理器与存算一体深度加速器结合的智能芯片;(2)杨华中教授和乔飞副研究员团队基于“传感+计算”共融的新型智能感知计算范式,采用“模拟-信息”转换方式的“物理计算”技术和近似计算技术设计并实现面向视觉、听觉和触觉感知等多模态智能感知应用的超低功耗集成电路芯片;(3)杨华中教授、刘勇攀教授、李学清副教授、蒋琛助理教授团队基于新型非硅薄膜晶体管(TFT),利用新型器件低成本、易于集成的特点,为未来新型传感电路阵列与海量传感数据边缘计算提供新的解决方案,为传统冯诺伊曼架构用于智能计算所遇到数据墙的瓶颈问题,提供变革性解决方案。


新型TFT器件、电路与系统

实验室负责人:

杨华中,特聘教授,2000年获得国家杰出青年科学基金,2004年入选国家级人才工程人选,2007年享受国务院政府特殊津贴,国际学术期刊IEEE Trans. on Circuits and Systems II(2010-2013),Intern. J. of Electronics (2008-今)和J. of Circuits,Systems and Computers (2009-今)的编委(Associate Editor)。承担的主要国家级项目包括:01专项“先进 EDA 平台研发”、03专项“中高速传感器网络核心芯片研发”。他在物联网芯片及应用系统、SoC低功耗技术、高速高精度数据转化器芯片等方面取得了多项开创性成果,发表论文300余篇,获得发明专利100余项。

联系方式:

地址:清华大学罗姆楼4-301

联系电话:62788601

邮箱:yanghz@tsinghua.edu.cn, ypliu@tsinghua.edu.cn, qiaofei@tsinghua.edu.cn, xueqingli@tsinghua.edu.cn,chenjiang@mail.tsinghua.edu.cn

实验室主页:http://nics.ee.tsinghua.edu.cn


纳米集成电路与系统实验室高能效计算研究组

实验室概况:

随着人工智能和大数据时代的到来,能效(单位能量提供的计算能力)成为限制系统计算能力提升的主要瓶颈,如何提升计算能效成为了系统与电路芯片等领域的核心问题。本实验室面向智慧城市、无人驾驶、数据中心、机器人等科技领域中高能效电路与系统设计的核心技术,为人工智能和大数据应用提供高能效计算能力支持。

本实验室研究方向涵盖系统、硬件、电路、体系架构、芯片等领域核心前沿课题,为人工智能和大数据应用在数据中心和嵌入式端(云+端)提供高能效计算平台支持,并与学术界、工业界顶尖团队展开深入合作。主要研究成果包括:

1、深度学习处理器:提出针对卷积神经网络的动态比特表征方法,并设计了相应的CNN粗粒度指令与处理器结构。相关工作论文谷歌学术单篇引用500余次,荣获FPGA 2017最佳论文、2018 DAC Design Contest FPGA组比赛第一名、2015国际低功耗图像识别竞赛(LPIRC)第一名等荣誉。相关研究成果孵化深鉴科技,在智能安防、数据中心以及自动驾驶领域提供国际最先进的深度学习计算平台,目前已被FPGA领域领头羊Xilinx收购。

2、新器件存算一体架构:针对冯·诺依曼架构与CMOS工艺的发展瓶颈,提出基于忆阻器等存算一体器件的自动化设计方法并进行芯片验证。获得自然科学基金委优秀青年基金支持,荣获NVMSA 2017最佳论文等荣誉。

3、稀疏图数据计算加速:针对大数据时代下大规模图数据(如社交网络等),提出结构化稀疏映射与系统架构设计方法。提出GPU稀疏加速库,相对商用方案加速最高一个数量级,获得ASP-DAC 2019最佳论文等荣誉。

4、快速大规模电路仿真:开发高效大规模稀疏矩阵的并行LU分解并行求解器(NICSLU),在多核CPU上能够达到几倍到十几倍的速度提升。开源版本被20多个国家和地区的高校和公司下载并试用,对应的博士学位论文获得大陆首个European Design and Automation Association(EDAA)最佳博士论文奖。

研究方向:

多机协同智能,存算一体,定制应用域加速器,深度学习(智能)处理器,稀疏计算加速。

实验室负责人:

汪玉教授,从事高能效电路与系统研究,发表论文200余篇,IEEE/ACM杂志文章40余篇,谷歌学术引用5600余次。担任ACM SIGDA E-News主编,Microecltronics Journal Special Issue Editor, IEEE TCAD、TCSVT编委,DAC等领域顶级会议技术委员会委员,ACM杰出演讲者,ACM FPGA技术委员会亚太地区成员。16年获得NSFC优秀青年基金,17年获得CCF科学技术奖技术发明一等奖,18年获得DAC Under 40 Innovator Award。获得ASP-DAC19、FPGA17、NVMSA17、ISVLSI12最佳论文,以及9次国际会议最佳论文提名。深度学习FPGA加速器在2016年知识产权转化入股北京深鉴科技有限公司,打造世界最先进的深度学习芯片与平台,18年被赛灵思收购。

联系方式:汪玉教授,yu-wang@tsinghua.edu.cn

张颖,zhangying06@tsinghua.edu.cn,地址:清华大学罗姆楼4-205

实验室主页:https://nicsefc.ee.tsinghua.edu.cn/


人机接口实验室

实验室概况:

人机接口实验室围绕人机交互过程中虚拟数字世界与真实模拟世界之间的信息交互问题,通过整合小型化精准传感技术、高能效电路与系统集成技术、低延时信号处理技术等技术手段,实现小型无线长时续航的数模混合信号信息交互接口系统,为下一代人机交互提供全新的解决方案。

研究方向:

低功耗低噪声模拟电路设计、低功耗片上数字信号处理器设计、低功耗近场/体域射频通信电路设计、面向生物医学的信号处理及硬件实现等。实验室承担和完成了多项国家重点研发计划、国家自然科学基金等国家科研项目。与海内外多个相关实验室及医院建立了密切的学术合作关系。

本实验室每年招收博士后、博士和硕士研究生,并有面向本科生的各类实习生项目,欢迎有志于投身面向生物医学的电路与系统研究的优秀青年加盟本实验室。

实验室负责人:

张沕琳副教授,本科(2004年)、硕士(2006年)均毕业于清华大学电子工程系,后师从图像传感器领域著名专家Amine Bermak教授于2010年获得香港科技大学博士学位。2011年至2016年初在美国宾夕法尼亚大学,师从Jan Van der Spiegel教授及Nader Engheta教授进行博士后研究工作。2016年入选中组部人才计划,并于同年加入清华大学电子工程系任教。现为IEEE资深会员、IEEE固态电路分会会员、IEEE电路与系统分会会员。集成电路领域内多个国际会议TPC成员。主要研究方向为针对生物信息传感的低噪声、低压、低功耗模拟及数模混合电路设计及系统集成。其实验室设计的多款人机接口系统为神经生物学前沿研究提供了全新的技术手段,已经应用于多个医学研究机构的动物实验之中。并多次在国际重要会议上获得最佳论文奖。

联系方式:hmilab@tsinghua.edu.cn


分享到: