类脑计算丨CNCC技术论坛

清华大学教授，清华大学类脑计算研究中心主任，光盘国家工程中心主任，国际光学工程学会(SPIE)会士。1992年从德国科隆大学获博士学位， 1996-2013在新加坡科学院数据存储研究院光学材料和系统实验室主任, 非易失性存储器实验室主任。曾领导过新加坡科学院10年人工认知存储器重大交叉研究项目。2012年加入清华，组建类脑计算研究中心，中心是从基础理论、硬件系统、软件环境全方位研究类脑计算系统的团队。领导发展出世界首款异构融合的类脑计算功能芯片（天机芯），相关成果作为封面文章发表在Nature(2019.08.01)上，被两院院士评为2019年中国十大科技进展，科技部十大科学进展。曾担任多个国际会议的主席。研究领域包括类脑计算、信息存储、集成光电子、智能仪器。

报告一题目：学习与记忆研究的最新进展

摘要：本报告介绍大规模神经记录技术以及解码记忆在群体神经元网络中的编码规则。详细介绍自己团队近十年的大脑破译研究，在大脑工作原理的理论框架上取得了两大突破。一是于2015年在《神经科学趋势》(Trends in Neuroscience)发表的大脑《联接论》(Theory of Connectivity)来解释智力的起源(Origin of Intelligence), 首次提出大脑认知与智力是由于神经环路的基本连接与计算原理，暨基于二的次方数排列组合的数学原理。目前这一理论已在小鼠和豚鼠上的八个脑区上得到了系列实验认证。第二，针对脑科学的另一重大问题：既大脑如何通过神经细胞活动来实现认知信息编码？我们于2017年提出了《神经自我信息论》(Neural Self-Information Theory)，并在大脑的多个脑区获得实验论证。

报告人简介：钱卓，灵译脑科学（上海）研究院首席科学家。1984年毕业于华东师范大学。1990年在美国明尼苏达大学获博士学位。1990-1993年在美国哥伦比亚大学博士后研究。1993-1997年在美国麻省理工学院做研究助理。1997-至2004年任美国普林斯顿大学助理教授,2004年成为终身副教授。2004-2007年，担任波士顿大学医学院正教授，系统神经科学中心主任。2007年-2019年，担任美国奥古斯达大学乔治亚医学院大脑与行为研究所所长、神经学系终身教授。如今是灵译脑科学（上海）研究院首席科学家。主要从事脑科学尤其是学习与记忆研究方面研究。连续开创了条件性基因敲除或蛋白敲除技术。成功地开发了重组酶系统介导的特异性神经遗传技术，为光遗传学、化学遗传学、基因在各脑区的特异性敲除、转基因表达、脑彩虹影像、逆转录病毒神经网路示踪、大脑透明技术等提供基础技术支撑。在《自然》、《科学》、《细胞》、《自然－神经科学》、《神经元》等发表多篇论文。ISI Web of Knowledge引用次数已达14620次以上。1999年在普林斯顿大学任教期间的“聪明鼠”构建工作这一Nature 论文ISI单篇引用次数已达2017次，并被《时代》周刊、《纽约时报》等主流媒体作为封面故事加以报道，并被SCIENCE《科学》杂志列为1999年世界十大科技成果之一。

报告二题目：神经形态计算芯片

摘要：人工智能的快速发展要求快速开发专门为AI应用程序设计的领域专用硬件。神经形态计算芯片集成了受神经生物学系统启发的一系列功能，可以为AI计算工作负载提供节能的方法。在这里，本演讲回顾了神经形态计算芯片的开发，包括人工神经网络芯片和脉冲神经网络芯片。提出了基准测试神经启发性计算芯片的四个关键指标-计算密度，能效，计算准确性和芯片上学习能力，并讨论了从设备到算法级别的基于非易失性存储器神经形态计算芯片的协同设计原则。还提供了未来的电子设计自动化工具链，并提出了开发大规模神经形态计算芯片的路线图。

报告人简介：吴华强，清华大学微纳电子系教授，清华大学微纳电子系主任，清华大学微纳加工平台主任，北京市未来芯片技术高精尖创新中心副主任。2019年9月，荣获“科学探索奖”，肯定他在阻变存储器领域取得的多项创新成果，鼓励他进一步研究突破传统冯诺依曼架构的存算一体技术，探索实现新计算机系统。2000年毕业于清华大学材料科学与工程系，获得工学学士学位；同年获清华大学经济管理学院管理学士学位（双学位）。2005年在美国康奈尔大学(Cornell University)电子与计算机工程学院获工学博士学位。随后在美国AMD公司和Spansion公司非易失性存储器研发中心任高级研究员和主任研究员，从事先进非易失性存储器的架构、器件和工艺研究。2009年，加入清华大学微电子学研究所，研究领域为新型半导体存储器及基于新型器件的类脑计算研究。先后负责多项自然科学基金、863、973和重点研发计划多项课题。在Nature，Nature nanotechnology, Nature electronics, Nature Communications, Nano Letters, Advanced Materials, Advanced Functional Materials等期刊和国际会议发表论文100余篇，获得美国授权发明专利二十多项，获得中国授权发明专利三十多项。

报告三题目：神经形态计算进展与展望

摘要：人工智能和脑科学在各自领域独自发展，且都取得了很大突破，我们亟需以新的眼光和视角重新建立两者的联系，特别是从脑科学的角度探索人工智能的新思路和新方法。本报告包含以下几方面内容：神经元－突触为计算载体的信息处理和计算形式、以及高级认知的产生，并探讨神经形态计算在构造类脑芯片及新型智能计算系统方面的重要意义。

报告人简介：唐华锦，浙江大学计算机学院教授。主要研究领域为类脑计算、神经形态计算与芯片、智能机器人等,研究成果多次被国际科技媒体MIT Technology Review，Communicaitons of ACM, Science Daily等高度评价。获2016年度IEEE Trans. On Neural Networks and Leanring Systems 优秀论文奖、2019年度IEEE Computational Intelligence Magazine优秀论文奖。担任IEEE Trans on Neural Networks and Learning Systems, IEEE Trans.on Cognitive and Developmental Systems 和 Frontiers in Neuromorphic Engineering，Neural Networks等多个国际权威学术期刊Associate Editor，国际神经网络学会(INNS)理事等学术职务。

报告四题目：脑启发的机器视觉感知与学习

摘要：以深度学习为代表的的人工智能方法取得了突破性进展，尤其是在机器视觉感知领域部分应用中甚至媲美人类性能，但是依旧存在相关局限性，如鲁棒性差、自适应性差，对样本需求大等。本报告将介绍我们在脑启发的机器视觉感知与学习中的一系列尝试，通过引入结构机制与认知机理，进而指导我们设计神经网络结构，在一系列问题上取得了显著提升，最后本报告将对脑科学与人工智能的交叉融合加以展望。

报告人简介：张兆翔，中国科学院自动化研究所模式识别国家重点实验室研究员，博士生导师，中国科学院脑科学与智能技术卓越创新中心骨干，中国科学院大学岗位教授，IEEE高级会员，中国计算机学会杰出会员，中国人工智能学会杰出会员，国家自然科学基金重点项目负责人，MIT麦戈文脑科学研究所高级访问学者。张兆翔博士致力于生物认知启发的视觉感知与理解的理论与方法研究，在可用信息建模和基于模型的物体识别问题上开展了系统工作，在面向国家公共安全和智慧城市监管需求的系统平台上取得成功应用，取得显著社会影响和经济效益，近五年来在国际主流学术期刊与会议上发表论文100余篇，SCI收录期刊论文60余篇，担任了CVPR、ICCV、AAAI、IJCAI、NIPS、ICPR、BICS等多个国际会议的Program Chair或Area Chair，是SCI期刊《IEEE TCSVT》、《Pattern Recognition》、《Neurocomputing》编委，获中国人工智能学会技术发明奖二等奖。入选“第四批国家万人计划青年拔尖人才”、“教育部新世纪优秀人才支持计划”等。