2023年5月26日10时，应我院徐明教授邀请，中科院微电子所尚大山研究院做客“喻圆·育芯”讲坛。为我院师生带来题为《忆阻器储池计算》的相关报告。王兴晟教授、何毓辉教授、周文利教授、程伟明副教授等参加了此次交流会。
尚大山研究员首先介绍了当今边缘AI计算的发展趋势以及面临的挑战，进而引入了忆阻器储池计算这一项针对解决边缘AI计算中困境的技术方案。储池计算是类脑计算范式的一种，能够将时序信号通过神经元的非线性激活函数转换到一个高维空间中，再通过一个简单线性回归方法读出。储池计算中循环连接层的权重始终固定不变，只需训练输出层权重，可最大限度降低训练复杂度、训练时间和能耗，因此在资源受限的边缘计算中具有潜在的应用前景。然而采用传统CMOS器件构建储池计算面临器件众多、能耗高等问题。忆阻器储池技术利用忆阻器的本征物理特性，如电阻状态的随机性和动态衰退性构建储池节点，以存内计算的方式实现了高能效储池计算，并通过软硬协同设计技术，将其应用于图神经网络和时间序列识别等智能任务中。在本次讲坛，尚大山研究院详细介绍了基于忆阻器本征随机性实现回声状态图网络（ESGNN）加速、基于忆阻器（铪基FTJ/三维阵列/MoS2FET）短时记忆特性实现延时储池计算以及基于忆阻器阵列的“下一代”储池计算实现途径三项工作。
通过本次讲座，同学们深入了解了忆阻器在构建边缘学习方面的潜力，为同学们在研究中利用自然界丰富的物理、化学性质开发交高效的智能硬件系统提供了参考，同时也为大家的对于器件及相关应用的研究工作带来了诸多启发与思考。
报告人介绍：
尚大山，中国科学院微电子研究所研究员，博士生导师。2007年博士毕业于中国科学院上海硅酸盐研究所，2007年至2014年分别任中国科学院物理研究所博士后、韩国国立首尔大学物理与天文系博士后、德国亚球工业大学物理系洪堡学者和美国剑桥大学材料科学与冶金系洪堡欧洲访问学者，2009年7月至2018年10月任中国科学院物理研究所副研究员。多年来致力于忆阻器及其在信息存储和类脑计算中的应用，开展了面向物联网、边缘计算等领域的低能耗、可扩展的仿生信息处理系统应用的类脑计算器件、算法和芯片研究。先后承担国家重点研发计划、中科院战略先导科技专项(B类)和国家自然科学基金等项目，已在Nat. Mach. Intel.、Adv. Mater.、Adv. Func. Mater等国际期刊以及VLSI、IEDM等国际会议上发表成果120余篇。
