发布者:发布时间:2022-07-18浏览次数:797


题讲座


 2022年7月16日下午2点半,来自瑞典皇家理工学院(kth royal institute of technology)的鲁中海教授带来的一场精彩的讲座为“南京大学本科生集成电路与先进制造云科考”项目课程拉开了帷幕。

图片

鲁中海教授

本次讲座主题为《where integrated circuits go and why? an architecture perspective》,鲁中海教授深入浅出地介绍了集成电路的设计、体系结构、硬件加速在深度学习中的应用,并为同学们讲解集成电路行业的发展趋势与发展方向。

 本次讲座由李丽教授主持,30多位同学在南京大学仙林校区电子楼会议室线下参加,同时有10余名优秀高中生代表在线上参会。

图片

李丽教授主持讲座


首先,鲁教授介绍了一些集成电路的基础知识和发展趋势,并讲解微处理器的相关内容。老师从晶体管说起,介绍了cmos和门电路,讲解如何由运算单元到集成电路。接着介绍了微处理器的发展历程,功耗决定performance,通过增加核来提高性能,同时出现了高速缓存等。同时也讲解了集成电路发展的规律,摩尔定律、dennard scaling、功耗问题等。



图片

鲁老师线上讲解


讲座第二部分,鲁教授从人工智能出发,为我们讲解人工智能中的硬件加速。鲁教授为在场同学讲解熟知的ai技术,如深度学习,神经网络等,并以阿尔法狗在象棋领域的卓越表现为例向我们展示了人工智能的未来和前景。随后从ai硬件加速的角度,比较了cpu、gpu、tpu三者在ai应用下的性能及功耗,着重体现ai硬件加速的重要性。

讲座的最后一部分,鲁教授向大家介绍了集成电路的其他热点领域。鲁教授也向同学们介绍了神经拟态计算,由于其架构与生物神经系统类似,因此也被称为仿生芯片。最后,鲁老师还讲述了量子计算领域和chiplet领域的研究进展与前景展望。

图片

同学们认真听讲



 讲座结束后,同学们自由提问。有的同学对异步电路设计如时钟很感兴趣,鲁老师结合同步电路的时钟和模拟电路进行讲解,很多并不是在没有时钟和完全时钟的两个极端,而是介于两者之间的。接着同学希望老师可以进一步介绍生物芯片和我们手机中的芯片的区别,鲁老师介绍这是一种新的计算形式,模拟大脑,如忆阻器来实现神经网络。此外鲁老师也讲解了神经形态硬件和加速硬件的前景,瓶颈和挑战的相关内容,对面向边缘的神经形态计算进行了展望。鲁老师在解答同学们的问题时,通过对比和举例使同学们的理解更加深入。

图片

同学们积极参与互动问答


结语

 鲁教授的讲座兼顾各个年级同学的知识水平,深入浅出、内容丰富,从基础知识讲起,到集成电路的架构,再到未来的技术热点和发展趋势,近4小时的讲座让同学们对集成电路有了一定的了解和把握,同时针对同学们的问题进行知识的拓展。在此非常感谢鲁中海教授的耐心讲解,感谢主持人李丽教授、组织者窦蓉蓉老师为本次讲座顺利进行所做的工作,也非常感谢南京大学电子科学与工程学院、示范性微电子学院、南京大学国家集成电路产教融合创新平台、南京大学本科生院对“南京大学本科生集成电路与先进制造国际云科考”项目的大力支持!也希望同学们在接下来的课程学习中有更多收获!

图片

讲座结束李丽老师和南大本科生在会议室线下集体合照


图片

飞越计划优秀高中生同学们在线上认真聆听鲁老师讲座


同学感想汇锦

节选自第二命题小组每日总结:

内容丰富和别开生面,我会用这两个词来形容今天鲁中海教授的讲座带给我的印象。从下午两点半开始,总共历时三个半小时,鲁中海教授用深入浅出的方式,把我们的目光从课本和网络自媒体的一隅,带到了另一个层次,使我们能从大师的角度来认识集成电路的“前世今生”和它的未来。特别是在疫情期间,当我们自由出行受到限制的时候,有这样一位专家愿意与我们交流更是难能可贵的机会。

两点半开场时,李丽教授首先向我们介绍了本次讲座的主要内容和鲁中海教授的一些背景资料,使得我们对今天讲座有了一个大体的预期和了解。同时李丽教授和鲁教授在讲座开始前的一些简单交流,也让我们感受到了鲁教授和蔼亲切的性格,为今天的讲座奠定了一种轻松愉快的氛围。

由于疫情原因,教授不能来到现场,部分同学也是因此遗憾不能到场,所以讲座采取了线上线下结合的方式,让大家都有机会听到大师的知识分享,与其进行交流分享。

随后,讲座开始。鲁教授将内容分为了三个部分。包括一些基本知识的介绍,比如摩尔定律,dennard scaling等。随后讲到了什么是深度学习,集成电路和ai的关系。令人印象深刻的是,在讲到人工智能相关内容时,鲁教授用了人工智能如何通过下棋击败人脑来“秀肌肉”的方式来生动地阐释了为什么ai现在能够取得这么多的关注。紧接着还讲到当芯片运算速度到达极限后是如何通过多核并行处理的方式来加快运算速度。特别有趣的是,在区别cpu,gpu和tpu的区别时,他把cpu的计算比作两个教授,gpu的计算比作64个学生,把tpu比作几千个小孩子,让原本生涩的概念瞬间形象起来。最后还讲了小芯片作为“大餐”后的甜点,给我们补充了更加丰富的知识。


cpu、gpu、tpu三者性能比较


节选自第四命题小组每日总结:

在问答环节,整个会议室里洋溢着热烈和谐的气氛,同学们积极踊跃,鲁老师热情专业,时而幽默风趣,现场一片欢声笑语。整个讲座始于期待,渐于专注,接以恍然,终于满足,感谢为此费心准备的鲁中海教授,以及精心策划的组织者们,让同学们受益匪浅。期待接下来几天的科考学习能够带给同学们更大的收获!


节选自第五命题小组每日总结:

鲁教授为我们讲解了集成电路的体系结构的发展策略和一些热点,比如说:硬件的安全性、神经拟态技术以及经常会提到的量子计算。除此之外还有集成电路现在非常重要的趋势——小芯片集成。而其中最令我印象深刻,感触颇深的大概要数神经拟态技术和量子计算技术了。其中,神经拟态技术由于其架构酷似生物的神经系统,输入和输出也是类比生物神经元的工作,因此又被称为“仿生芯片”。而量子计算领域,鲁教授也从基础的物理知识:量子叠加和量子纠缠讲起,虽是大家熟悉的内容,但却能从鲁教授的讲解中收获新的启迪。

量子



(来源:微信公众号“南京大学电子实验中心”7月17日)