人工智能技术飞速发展,我国大体上能够与世界先进国家发展同步。我国拥有自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等很多智能科技成果已进入市场,但是9%以上是软件、算法产品，在人工智能神经网络芯片研发方向上,我国又是落后于美国5-10年左右，可以预见的是,将来我国的人工智能神经网络硬件又将进口大量的IBM、Google、NVIDA、Braodcom等公司的产品,遵循的标准又将按美国的标准,在市场上处于弱势地位。

面向全球脑科学研究的尖端挑战和我国老龄化带来对退行疾病临床的巨大需求，构建基于人工智能、大数据挖掘等技术的脑影像组学模型，编码与疾病对应的指纹信息，开发Brain Label (SAAS)云，精度比肩国际领先的FSL（牛津大学）和FreeSurfer（哈佛大学）。该平台已在国内神经科排名前十的三甲医院（宣武、天坛等）使用，成为宣武国家临床研究中心的唯一影像大数据技术，为其500余家联盟医院（含深圳市）提供智能化分析服务，也

基于事件驱动方式的仿生视觉图像传感器，用于高速场景的拍摄 一、项目分类 关键核心技术突破、显著效益成果转化 二、成果简介 随着虚拟现实（VR）、增强现实（AR）和混合虚拟增强现实（MR）技术、自动驾驶、物联网以及机器视觉等领域的飞速发展，对图像传感器的采集速度提出了更高的要求。传统基于“帧”扫描形式的CMOS 或 CCD 图像传感器较难满足高速运动物体的拍摄需求，若提高相机的图像采集帧率，则需要采用高性能且结构复杂的模数转换器，大量的图像会带来较大的数据冗余，此外，也会面临功耗高的问题。 相比于传统的光电和图像传感器，生物视网膜具有许多不可比拟的优势。视网膜中的光感受器可根据外界光强的变化自适应调节增益，能够感知超过 180dB 的光强范围。另外，视网膜基于事件驱动式的采集方式，仅输出场景中光强发生变化的信息，因而，能够滤除低频信息带来的冗余。在信号处理和传输上，采用异步通信的方式，通过神经节细胞将光强信息转换为时空脉冲信号，实现低功耗。 受到生物视网膜的启发，研究人员提出了基于事件驱动方式的仿生视觉图像传感器，用于高速场景的拍摄。该类传感器多采用对数像素电路作为光强探测单元，因其动态响应范围宽，可随机读取。然而，对数电路在弱光环境下灵敏度低，几乎没有光响应，即仍然无法模仿视网膜弱光下的高灵敏度，除此之外，其输出受到 (Fixed Pattern Noise，FPN)的影响，降低了图像质量。 我们提出了一种兼容 CMOS 工艺的光敏二极管体偏置场效应晶体管器件(PD- body biased MOSFET，简称 PD-MOS)，其结构图和等效电路如图 1所示。 利用 PD 的感光特性以及 MOSFET 的正向衬底偏置效应实现集成光强探测及信号放大于一体的光电器件。该器件可解决对数电路在弱光下灵敏度低的问题，并且提出了一种明暗传感器的方案以降低噪声。设计成像测试方案并搭建静态图像采集测试系统，实现静态显示，通过 MTALAB 进行图像恢复从而实现动态图像显示功能。   图 1 (a) PD-MOS 器件结构及其 (b) 等效电路图 经过商用 180nm CMOS 工艺流程制备后的器件概貌如图 2 所示，图 (a) 为三种不同像素设计的芯片实物图，从上至下分别为环形结构、条形结构及对数像素电路，将其中的环形结构在显微镜下放大观察可看到图 (b) 所示的形貌，图 (c) 为4个像素的显微图。   图 2 (a) PD-MOS 成像阵列芯片的实物图，(b) 环形结构芯片在显微镜下的放大图以及 (c) 环形结构像素放大图 上位机实时显示效果如图3所示，可以明显看出两根头发相交。子图 (a) 为暗态时的 100 帧平均灰度图，子图 (b) 为暗态时的曲面图，子图 (c) (e) (g) (i) 为光态下的图，子图 (d) (f) (h) (j) 为光态下的图像数据减去暗态下图像数据的降噪图，可以发现在30nw/cm2 辐照度下已经出现头发的轮廓，当辐照度继续增加，头发的轮廓越来越清晰，当辐照度达到 3mw/cm2，仍然可以看到头发的轮廓。   图 3 阵列芯片采集的图像 不同于传统计算机视觉系统的图像采集方式，生物视觉系统的成像由视野场景中发生的事件触发，且生物视网膜具有宽动态响应范围、超低功耗以及异步传输等特点，这为仿生视觉系统的研究提供了全新的思路。随着物联网、自动驾驶以及安防等领域的快速发展，它们对高速动态图像传感器的需求也日益提升。近些年，针对这些需求，研究人员提出了一种用于采集高速动态信息的类视网膜相机，成为了一大热点研究方向。类视网膜相机的工作原理模拟了生物视网膜事件驱动型的采集方式及异步型的传输模式，为动态视觉成像提供了硬件基础。综上，该类传感器的研究具有十分重要的科研意义和深远的经济价值。

人工智能物联网时代要求语音交互有非常好的体验感,室内环境下,当距离超过两米后,通过墙壁的反射造成的混响、音响设备的回声及其他环境噪声对语音识别带来了极大的影响,因此基于麦阵的声音采集与处理模块成为物联网时代的最佳人机交互采集模块。目前成熟的麦克风阵列语音信号采集与前端处理模块尚未出现，市面上仅有少数国外厂家如科胜讯提供双麦降噪芯片。同时,语音识别应用还需要配合降噪处理,目前的方案全部采用分离设计,一颗降噪芯片+一颗语音识别芯片。近年来随着大数据挖掘,基于人工智能神经网络的深度学习开始在语音识别领域进行推广运用,相对于传统的GMM模型,识别率得到了很大的提升。然而神经网络计算量非常巨大,需要采用GPU或CPU阵列的方式来进行运算,并且需要外加语音阵列降噪模块,其方案成本高,体积和功耗大。因此市场上对一款同时支持远场语音麦阵降噪和神经网络识别,具备高性价比的单芯片需求极大,具有巨大的市场前景和竞争力。

研发阶段/n主要研究设计可扩展至1024 核的众核智能处理器架构。研究面向智能处理的 存储一致性模型；研究异构智能处理器的非对称片上网络；研究超大规模智能任务 的核间分割；研究多智能处理任务的动态调度；研究众核智能处理器的层次化物理 设计；研究存算一体化的众核智能芯片结构；研究智能处理器芯片的异构并行；研 究多智能芯片的高速片间互联。到2020年，以实现人工神经网络智能计算速度和能 效的指数性增长为目标，取得超大规模人工神经网络芯片架构、智能芯片指令集、 新型智能编程语言及编译器、自主智能算法等方面

在信息时代，机器视觉在实现智能社会方面发挥着重要作用。视觉特征提取是机器视觉的一项关键技术，该技术可以提取图像中具有鲜明特征的信息，诸如边缘、角点、圆以及图像形状等特征，这些特征是标定机器视觉系统模型参数和运用机器视觉技术进行实际应用的前提和基础。视觉特征提取技术广泛应用于自主移动智能机器人、无人驾驶和无人机等场景，这些应用场景对视觉特征提取算法的鲁棒性和帧率提出了巨大挑战。 具体来说，视觉特征提取算法包括SIFT（Scale-Invariant Feature Transform，尺度不变特征转换算法）、SURF（Speeded-Up Robust Features，加速稳健特征）、ORB（Oriented FAST and Rotated BRIEF，快速特征点提取描述）、HOG（Histogram of Oriented Gradient，方向梯度直方图）、LBP（Local Binary Patterns，局部二值模式）等。在SURF、ORB、HOG、LBP这些经典的特征提取算法中，SURF的鲁棒性相对较高，但是过于依赖主方向的选取，使得其方向变化鲁棒性不足。SIFT算法可以从图像中提取具有不变性的鲁棒局部特征，对方向变化、光照变化、噪声、杂物场景及遮挡影响等方面的鲁棒性最强，满足无人驾驶技术的需求。SIFT算法的运算量大从而导致的系统帧率低、功耗高的问题可以通过设计具有高并行度的专用硬件加速器芯片来解决。

项目简介： 针对设备如何正确理解人类的逻辑和时序知识，并将获得的知识便捷的转换为当前计算机体系的执行代码的问题，设计了用于智能应用的SOC芯片。此芯片由当前通用微处理器和相应的固件构成，固件由操作系统、类似人脑树突学习和推理的新型思维模型和通用通信模块构成，SOC系列芯片可以解决认知人类逻辑、时序思维的问题，具备了一定的认知智能。系列芯片可分无带代码编程的控制芯片，无代码编程的总线与网络通信芯片，低代码编程的运动控制芯片，制造业核心控制设备本质安全芯片等几个系列的芯片。 技术的创造性与先进性、创新要点： 01）、提出了类人思维计算理论方法 02）、有别于冯诺曼和哈弗结构的计算机运行架构  a、传统的计算机程序由程序员完成，新的框架和机制要求计算机 程序由使用者经过简单培训便可完成，改变了目前程开发模 式。  b、应用开发过程可直接认知和理解以人类思维描述的开发目标 几乎无需编写代码，与现有单片机、PLC等开发模式完全不同， 具备了认知人类知识和经验的高等级人工智能功。 c、与现有的开发模式和开发工具相比，对开发人员专业技能要求大大降低，应用开发效率极大提高。 03）、以人类思维的视角而非二进制运算的模式进行计算机数据的处理。 获奖情况： 获2016年山东省科技进步一等奖

项目成果/简介:项目简介：针对设备如何正确理解人类的逻辑和时序知识，并将获得的知识便捷的转换为当前计算机体系的执行代码的问题，设计了用于智能应用的SOC芯片。此芯片由当前通用微处理器和相应的固件构成，固件由操作系统、类似人脑树突学习和推理的新型思维模型和通用通信模块构成，SOC系列芯片可以解决认知人类逻辑、时序思维的问题，具备了一定的认知智能。系列芯片可分无带代码编程的控制芯片，无代码编程的总线与网络通信芯片，低代码编程的运动控制芯片，制造业核心控制设备本质安全芯片等几个系列的芯片。技术的创造性与先进性、创新要点：01）、提出了类人思维计算理论方法02）、有别于冯诺曼和哈弗结构的计算机运行架构 a、传统的计算机程序由程序员完成，新的框架和机制要求计算机程序由使用者经过简单培训便可完成，改变了目前程开发模式。 b、应用开发过程可直接认知和理解以人类思维描述的开发目标几乎无需编写代码，与现有单片机、PLC等开发模式完全不同，具备了认知人类知识和经验的高等级人工智能功。c、与现有的开发模式和开发工具相比，对开发人员专业技能要求大大降低，应用开发效率极大提高。03）、以人类思维的视角而非二进制运算的模式进行计算机数据的处理。获奖情况：获2016年山东省科技进步一等奖应用范围:2019年工信部的报告中提到，2019年工业互联网产值达4800亿，并拉动2万亿的增长，而我们的芯片可以直接应用于工业互联网物联网，我们的SOC芯片是支撑物联网的基础。此芯片不仅能够为智能制造、高端装备提供不同功能的智能SOC，又可以以此为核心生产智能设备，还可以提供工业互联网物联网领域的整体解决方案；方案已经应用于智能楼宇综合管理系统，智慧建造智能管控系统，办公楼宇智能节能管理系统，智慧气象综合管理系统等，不仅能解决客户的智慧应用问题，还能完全替代国外控制领域的核心产品，从而不被卡脖子。技术成熟度:可以量产

基于图像处理和机器学习进行人眼特征提取与分析，建 立基于特征模型与外观模型融合的智能视觉感知机制，并通过 海量大数据分析和建模计算，提出了智能视觉感知驱动的眼动 注视点计算方法，解决了跨设备坐标系空间无缝转换和多用户 标定模型共享等关键“卡脖子”技术问题。此外，提出基于深 度学习的运动想象脑电分类方法，面向人-机器人交互开发了 智能脑机接口与应用系统。 ：

一、项目简介 随着AlphaGo及其Zero的相继推出，近年来以神经网络计算为基础的深度学习及相关优化算法已成为人们研究AI的热点。深度学习算法在AlphaGo中的成功应用主要是依赖神经网络监督学习的网络层次及神经元数量提升，而其Zero的应用不同则是在于引进了博弈优化的思想，这就给以并行计算为核心的神经网络优化算法理论研究提供新的思路。 鉴于传统神经网络优化算法面临非全局优化的难题，我们基于吉布斯分布采样优化计算，提出一种以脉冲神经元构成的混合网络结构动力学系统来实现的神经网络全局优化算法，引进纳什平衡理论来优化的神经网络计算方案，并设计一款相应的通用神经网络并行处理器芯片，以新型芯片编程架构模拟人脑功能进行感知、行为和思考新型芯。 二、前期研究基础 本团队主要是由厦门大学福建省集成电路设计工程技术研究中心、厦门大学集成电路设计与测试分析福建省高校重点实验室的教师与学生组成的，主要从事人工智能、网络通讯、集成电路设计、纳米单电子器件等方面的研究工作，并积累了深厚的研究基础。团队首席科学家郭东辉教授十多年前曾在美国加州Berkeley 大学非线性电路实验室访问，从事有关细胞神经网络(CNN)有关课题的研究，先后主持国家自然科学基金项目五项，其中与神经网络研究内容相关的有两项，分别是《视觉神经网络光电集成系统的研究》(批准号：69686004)和《混沌神经网络加密算法及其相应集成电路的设计研究》(批准号：60076015)。 本团队同时也是厦门市集成电路设计公共服务平台的主要技术支撑单位。在厦门市科技重大专项经费的支持下，我们配备了开展模拟及数字SOC 芯片设计所需要的各种EDA 工具和IC 测试设备。此外，厦门集成电路设计公共服务平台也是TSMC、SMIC 等芯片制造厂重要合作伙伴，并与厦门联芯、三安集成等芯片制造厂也有长期的合作协议，可以进行包括射频及功率芯片在内各类模拟及数字SOC 芯片的设计流片。同样，在学校211 和985 经费的支持下，本团队也独立配备了8 台IBM 服务器分别运行MATLAB、OPNET、SPW、ANSYS、Silvaco TCAD 等系统设计与器件工艺仿真工具。本团队所在的微电子与集成电路学科也已列入我校“双一流”建设学科，有关类脑芯片设计相关课题研究所需要的科研环境建设将得到重点支持。特别是厦门联芯公司在量产后，已将本团队作为其先导技术开发的重要合作伙伴，也委托我们开发相应的器件模型及电路工艺库。在厦门火炬高新区及厦门市IC 平台的支持下，厦门联芯公司还可以为我们团队提供免费的MPW流片业务。 自2009年，本团队与福建新大陆电脑股份有限公司签署 “共建SoC联合实验室”以来，基于该平台，每年合作项目经费近百万，同时还完成了多项横向合作项目：面向金融、税控的专用信息处理与控制SoC芯片开发、安全密码算法研究、区块链接技术研究等等，培养了大批优秀的硕士毕业生；厦门市美亚柏科信息股份有限公司是本团队的长期合作伙伴之一。 总之，不管从算法理论研究还是从应用技术开发来看，本课题组已具备相当优秀的研究基础和研究经验，以及显著的前沿技术攻关能力。 三、应用技术成果我们的相关研究成果也得到企业界的重视和肯定，课题组先后承担过如深圳 华为公司首歀交换芯片项目的调度算法设计、福建新大陆首款二维码识别芯片的算法及后端版图综合设计、台湾盛群公司首款32 位处理器及专用处理器编译器开发和厦门元顺公司多款电源管理芯片的设计。最近课题组还为我国某研究机构开发28nm 的低功耗设计流程专门设计一款挂载加可重构解密算法协处理器的32 位通用处理器验证芯片。