清華集成電路學(xué)院高濱：一種基于存算一體技術(shù)的類腦聲音定位方法

近日，清華大學(xué)集成電路學(xué)院的高濱副教授課題組在《自然?通訊》（Nature Communications）上在線發(fā)表了題為“Memristor-Based Analogue Computing for Brain-Inspired Sound Localization with in situ training”的研究論文，提出了一種基于存算一體技術(shù)的類腦聲音定位方法。面向定位任務(wù)的計(jì)算需求 ，提出了多閾值更新策略 ，緩解了憶阻器非理想因素帶來的精度損失 。在集成規(guī)模為1K的憶阻器陣列中，課題組成功演示了聲音定位的在線訓(xùn)練，實(shí)現(xiàn)了兩個(gè)數(shù)量級的能耗降低。

圖1 類腦存算一體聲音定位示意圖

對生物大腦定位能力的模仿 ，常被應(yīng)用于車輛檢測
、虛擬聽覺系統(tǒng)等場景  。隨著摩爾定律逐漸放緩 ，傳統(tǒng)硬件平臺難以滿足實(shí)時(shí)定位場景中不斷增長的算力需求 。近年來備受關(guān)注的存算一體類腦計(jì)算技術(shù)
，能夠大幅度減少數(shù)據(jù)在存儲與計(jì)算單元之間的傳輸開銷，有望突破存儲墻瓶頸的限制
，實(shí)現(xiàn)算力的大幅提升。然而，與分類任務(wù)不同 ，定位任務(wù)的輸入信息和檢測位置均為連續(xù)值，對計(jì)算硬件平臺自身非理想因素的容忍度較低
。迄今為止
，如何高效實(shí)現(xiàn)聲音定位一直是國內(nèi)外關(guān)注的熱點(diǎn)問題