• 团队研究成果荣膺2020年度中国半导体十大研究进展

    《半导体学报》于2020年1月启动首届 “中国半导体年度十大研究进展”的推荐和评选工作,旨在记录我国半导体科学与技术研究领域的标志性成果。经过专家推荐与自荐,经初评后共有38项优秀研究成果进入候选名单;2020年12月–2021年1月,由43名半导体领域专家组成的评选委员会,历经两轮严格评选,按照投票排名最终选出10项优秀成果,荣膺“2020年度中国半导体十大研究进展”;清华大学钱鹤、吴华强研究团队排名第一。

    67 2021-02-08
  • 对抗算力焦虑!清华教授研发忆阻器芯片,可实现存储数据“原地”计算,相关产品正在转化

    当下,飞速进步的技术给芯片的算力要求带来巨大挑战,“算力焦虑”也成为悬在业界头上的一把剑。而随着摩尔定律逐渐失效,通过增加更多晶体管来提升算力的方法,也很难适应新形势。 要想破局就得有“全新的计算器件、计算范式、和计算架构”。近期,清华大学吴华强团队在《自然》刊文报告了其团队基于多忆阻器(Memristor)阵列的存算一体硬件实现。

    64 2021-01-27
  • 清华团队提出基于忆阻器阵列的新型脑机接口,构建脑电神经信号高效处理系统

    日前,清华大学微纳电子系、未来芯片技术高精尖创新中心的钱鹤、吴华强教授团队与医学院洪波教授团队利用忆阻器的仿生与存算一体特性,合作提出了基于忆阻器阵列的新型脑机接口,构建了高效智能的脑电神经信号处理系统,演示了大脑癫痫状态的识别,实现了93.46%的高准确率,并将系统功耗降低了400多倍。这是两个研究团队学科交叉的最新研究成果。

    50 2021-01-21
  • 清华大学新型存储器团队研制出基于动态忆阻器的新型储备池计算系统

    储备池计算(Reservoir Computing, RC)是一种适用于处理时序信号的高效人工神经网络,其衍生于传统的递归神经网络(RNN),但具有更低的训练代价和更简易的硬件实现,已经在动态系统识别、时间序列预测等领域得到广泛应用。最新研究发现,复杂连接的递归神经网络可以被一个非线性的动态物理系统等效替代,这表明完整储备池计算系统有望基于少数几个元器件便可实现。

    47 2021-01-21
  • 清华大学微电子所团队研制出人工树突器件,实现新型神经网络

    近日,清华大学微电子所、未来芯片技术高精尖创新中心的钱鹤、吴华强教授团队与合作者在《自然•纳米科技》(Nature Nanotechnology)在线发表了题为“基于人工树突的高效神经网络”(Power-Efficient Neural Network with Artificial Dendrites)的研究论文,通过引入具有丰富动态特性的人工树突计算单元,构建了包含突触、树突以及胞体的新型人工神经网络,在提高网络计算准确率的同时显著降低了系统功耗

    91 2020-06-30

新闻资讯

NEWS