​第五届IEEE人工智能电路与系统国际会议将在杭州举办

第五届IEEE人工智能电路与系统国际会议

(IEEE AICAS 2023)

地点：杭州，中国

Venue: Hangzhou, China

时间: 2023年6月11日-13日

Time: June 11th-13th, 2023

网址/Web: https://www.aicas2023.org/

邮箱/Email: secretariat@aicas2023.org

人工智能正在推动制造、汽车、医疗、机器人、娱乐等领域的一场革命。在这场革命中，需要新的计算平台来支持新兴人工智能算法和应用，从云服务器到边缘设备、从系统级到电路级。IEEE International Conference on Artificial Intelligence Circuits and Systems (AICAS) 是IEEE电路与系统协会（Circuits and Systems Society）旗下、全球知名的人工智能电路与系统设计会议，是该领域最受好评的年度会议之一。

2023年6月11日至13日，第五届IEEE人工智能电路与系统国际会议（IEEE International Conference on Artificial Intelligence Circuits and Systems, IEEE AICAS 2023）将在杭州举办。本次会议将从AI芯片和算法设计、神经形态电路、智能生物医疗传感器和学习算法等方面进行讨论。本次会议将相关领域的学术界和工业界研究人员聚集在一起，交流经验，展示他们的研究成果并推进人工智能技术的进步。

本届AICAS 2023包括特邀演讲和论文展示等环节，大会主席由国际著名智慧生物医疗器械领域科学家，加拿大皇家学会院士Mohamad Sawan和国际微电子学与固体电子学专家，国际欧亚科学院院士魏少军共同担任。坦佩雷大学Moncef Gabbouj院士，苏黎世联邦理工大学Giacomo Indiveri 教授以及北京大学杨玉超教授分别就机器学习、仿生智能和集成忆阻器等话题进行分享。

今年六月，我们期待着与来自全球相关领域的学者共聚西子之畔，分享最新研究成果，拓宽科研视野，促进产学研多方协同合作和交流。

会议主题

·AI电路和系统；

·深度学习/机器学习/人工智能算法；

·AI计算体系结构；

·AI系统的软硬件协同设计和设计自动化；

·先进神经网络设计；

·神经形态电路、处理器和系统及其应用；

·新兴应用: 物联网、医疗保健、智能工厂、环境；

·AI新兴设备和材料；

·计算机视觉算法和体系结构；

·推荐系统、语言/文本处理；

·自动/无人驾驶车辆和无人驾驶飞机；

·机器人与自动化；

·元宇宙和AR/VR；

·面向未来无线通信的深度学习/机器学习。

（主题包括但不限于这些,更多主题请见官网）

会议议程

讲座及嘉宾

《超级神经元模型 - 基于ANN的新一代机器学习及其应用》

The Super Neuron Model - A new generation of ANN-based Machine Learning and Applications

Moncef Gabbouj院士

坦佩雷大学，芬兰

Tampere University, Finland

摘要/Abstract：

运算神经网络 (ONNs)是新一代的网络模型，旨在解决传统的卷积神经网络 (CNN)的两个主要缺点: 同质的网络配置和只能对前一层输出进行线性转换"的线性 "神经元模型。ONNs可以通过“节点”和“池”运算符的适当组合来执行任何线性或非线性变换，这对于提升CNN神经元学习能力是一个巨大的飞跃。不过，CNN需要对每个神经元的所有突触连接都使用一个节点算子。最近，这一问题得以解决。研究人员通过引入一种称为“生成神经元”的高级神经元，使每个节点算子能在训练中被定制，以最大限度地提高学习能力。因此，该网络能够自我组织其神经元连接的节点运算器。这样，配备了超级生成神经元的自组织ONNs（Self-ONNs）即使在紧凑的构架下也能实现多样性。在本次演讲中，我们将对配备了高级神经元的几个神经网络模型的信号处理应用进行探讨。

《仿生智能：用于实时信号处理的混合信号模拟/数字实现的脉冲神经网络》

Neuromorphic Intelligence: mixed signal analog/digital implementations of spiking neural networks for real-time signal processing

Giacomo Indiveri 教授

苏黎世联邦理工大学, 瑞士

University of Zurich and ETH Zurich

摘要/Abstract：

人工智能（AI）神经网络和机器学习推理加速器代表了一种可以用于解决众多复杂任务的成功技术。然而，当涉及到与环境的快速实时互动时，这些系统仍然无法与他们生物对应物的性能和效率相媲美。其中一个潜在原因是，神经系统所使用的计算原理与传统的时间复用计算系统所使用的计算原理之间存在差异。在本次讲座中，我将介绍神经形态电子电路，它通过直接模拟动物大脑中使用的计算物理学来建立神经处理系统，该系统使用基于脉冲的表征及类脑适应和学习机制。除此之外，我将展示如何通过将这些电路与异步数字逻辑电路相结合来构建大规模多核架构，并将介绍一些非常适合现实世界中传感处理边缘计算应用的芯片示例。

《集成忆阻器用于更高复杂度的类脑计算》

Integrated Memristor Networks for Higher-complexity Neuromorphic Computing

杨玉超（Yuchao Yang）教授

北京大学，中国

Peking University, China

摘要/Abstract：

随着摩尔定律的减慢和内存密集型任务的盛行，数字计算变得越来越受容量和功率的限制。为了满足后摩尔时代对提高计算能力和效率的要求，新兴的计算架构，如基于记忆体的内存计算和神经形态计算架构，已被广泛研究，并成为新一代非冯·诺伊曼计算机的重要替代选项。自从2008年将理论上的记忆体概念与电阻开关器件联系起来后，它们在记忆体和计算系统中的应用已经取得了巨大的进展。在此，我们提出了一个光电突触，它在电和光的刺激下具有可控的时间动力。突触中铁电和光电过程之间的紧密耦合有助于实现异突触可塑性，其松弛时间尺度可通过光强度或背门电压进行调节。除此之外，我们利用突触创建了一个具有可调节的非线性转换和多感官融合的多模式存储计算系统，并通过多模式手写数字识别任务和二维码识别任务加以证明。我们还通过可调控的松弛时间尺度实现了一个多尺度的储能器计算系统，该系统通过一个时间信号预测任务进行了测试。