近日，我校光电信息学院王超教授团队在人工智能（AI）处理器芯片领域取得重要进展，研究成果“An Energy-efficient, Reconfigurable and Dual-mode AI Processor Based on a Two-Stage Hybrid Neural Network for Wearable Lung Sound Monitoring“ 被集成电路领域国际顶级期刊IEEE Journal of Solid-State Circuits（JSSC）录用。该成果实现了面向肺音智能监测的专用AI处理器芯片，这是华中科技大学首篇AI处理器芯片领域JSSC论文，也是我校首篇数字集成电路芯片JSSC论文，标志着我校在高能效、低功耗数字集成电路与人工智能芯片领域取得重要突破。王超教授为论文通讯作者，博士生杨可怡和沈梓煊等参与完成相关研究，华中科技大学光电信息学院为论文第一完成单位。
图1：面向肺音监测的专用AI处理器芯片的应用场景：（a）大多数肺音为正常，仅少部分为异常；（b）ICBHI 2017挑战数据库中包含正常与异常周期的肺音波形及（c）类别标签分布。
面向可穿戴肺音长期监测对低功耗、实时处理的需求，针对传统深度神经网络对大量正常肺音仍进行复杂细粒度分类、造成冗余计算和高能耗的问题，团队提出了基于两阶段混合神经网络（TS-HNN）的高能效可重构双模AI处理器，采用“先粗筛、再细分”的分级计算策略，仅在检测到异常肺音时启动第二阶段细粒度分类，从源头减少不必要的计算能耗。在芯片架构层面，团队进一步提出可重构处理单元阵列与双模脉动数据流、多分支混合驱动存储架构等架构创新优化设计方法，针对不同神经网络算子的计算和数据复用特点动态调整硬件工作模式，实现算法与芯片架构协同优化设计。该设计采用55 nm CMOS工艺完成流片与实测，芯片核心面积为4.39 mm²，实测最低运算能耗达到2.76 pJ/op；在相关肺音数据集上，正常肺音处理能耗仅为0.39 mJ/frame，相比直接执行细粒度分类降低5.28倍。
图2：面向肺音监测的专用AI处理器的片照片及核心参数
该研究实现了从肺音智能算法、AI处理器架构到数字专用芯片的设计、流片、以及测试的完整技术链条，实现了集成电路顶刊JSSC历史上首款面向肺音监测的专用AI处理器芯片。该工作为包括面向心音、心电、脑电等生理信号可穿戴健康监测的低功耗边缘智能芯片提供了新的技术方案，也为高能效人工智能计算架构在生物医学信号处理领域的应用提供了芯片级验证。该研究工作与电子科技大学、新加坡理工大学等单位合作，受到国家自然科学基金（62274072、61974053）等项目的资助。
IEEE Journal of Solid-State Circuits（JSSC）是IEEE固态电路学会（IEEE Solid-State Circuits Society）主办的旗舰期刊之一，也是国际集成电路设计领域最具影响力的顶级学术期刊，长期聚焦先进集成电路与芯片系统设计，重点刊载具有芯片流片与实测结果的高水平研究成果，涵盖模拟、数字、射频、混合信号及智能集成电路等方向。JSSC在全球集成电路学术界和产业界具有广泛影响力，是展示前沿芯片设计与技术创新成果的重要国际平台。
