清華集成電路學院高濱：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(shù)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(guān)注的存算一體類腦計算技術(shù)，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(nèi)外關(guān)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(diào)制特性，構(gòu)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(quán)重更新過程中，引入了多個判斷閾值