近日，清華大學集成電路學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的類腦聲音定位方法。面向定位任務的計算需求，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練，實現(xiàn)了兩個數(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時定位場景中不斷增長的算力需求。近年來備受關注的存算一體類腦計算技術，能夠大幅度減少數(shù)據(jù)在存儲與計算單元之間的傳輸開銷，有望突破存儲墻瓶頸的限制，實現(xiàn)算力的大幅提升。然而，與分類任務不同，定位任務的輸入信息和檢測位置均為連續(xù)值，對計算硬件平臺自身非理想因素的容忍度較低。迄今為止，如何高效實現(xiàn)聲音定位一直是國內外關注的熱點問題。

清華大學集成電路學院的高濱副教授課題組利用憶阻器的連續(xù)電導調制特性，構建了一種基于憶阻器陣列的新型類腦計算系統(tǒng)，應用于聲音定位任務：網(wǎng)絡包含60個輸入神經(jīng)元和7個輸出神經(jīng)元，輸入、輸出信息分別為雙耳接收的聲波信號和范圍在-90度到90度之間的方位角，所有輸出層神經(jīng)元共同決定了預測角度。

圖2 受大腦機制啟發(fā)，基于憶阻器陣列的聲音定位網(wǎng)絡硬件實現(xiàn)方案

傳統(tǒng)的憶阻器編程策略雖然能夠大幅度降低在線訓練的硬件開銷，但是難以滿足定位任務的精度需求。為克服這一問題，課題組提出了一種容忍憶阻器離散性的多閾值更新策略。在權重更新過程中，引入了多個判斷閾值，根據(jù)權重更新值所處的區(qū)間，施加對應個數(shù)的操作脈沖。分析結果顯示，多閾值更新策略實現(xiàn)了聲音網(wǎng)絡訓練精度和硬件開銷之間的平衡。

圖3 兼顧憶阻器特性與硬件開銷的多閾值更新策略

課題組在1K規(guī)模的TiN/TaOy/HfOx/TiN憶阻器陣列中，針對CIPIC HRTF數(shù)據(jù)集樣本，成功演示了聲音定位任務。實驗結果表明，相比傳統(tǒng)訓練方案，采用多閾值更新策略后的網(wǎng)絡檢測精度提升了大約45.7%。此外，與先前CMOS ASIC方案的對比結果顯示，該技術在實現(xiàn)較高定位精度的同時，展現(xiàn)出184倍的能耗優(yōu)勢。本工作為實現(xiàn)低能耗、高性能的類腦定位系統(tǒng)提供了新的解決方案。

圖4 基于憶阻器陣列的聲音定位功能演示與硬件評估結果

近期，該項工作的相關研究成果以“Memristor-Based Analogue Computing for Brain-Inspired Sound Localization with in situ training”為題在《自然?通訊》（Nature Communications）上在線發(fā)表。清華大學集成電路學院高濱副教授、吳華強教授是本論文的共同通訊作者，周穎、高濱和張清天為共同第一作者。該研究得到了科技創(chuàng)新2030“腦科學與類腦研究”重大項目、國家自然科學基金委杰青項目和重點項目、科學探索獎等項目的支持。

高濱副教授在基于憶阻器的類腦計算領域開展了多年的研究，受邀在Nature Electronics、Nature Communications、Proceedings of the IEEE等期刊撰寫類腦芯片相關綜述，在ASP-DAC、A-SSCC等會議做特邀報告，在IEDM、EDTM等旗艦會議擔任模型分委會主席。