中新网北京10月30日电 (记者 张素) 类脑计算国际学术会议28日至30日在北京举行，来自全球知名高校、科研院所及企业的近40位科学家应邀参会。中国工程院院士、清华大学副校长尤政表示，此次国际学术会议为类脑计算领域的科研人员搭建出一个跨学科的开放交流平台。

本届类脑计算国际学术会议由清华大学主办，北京未来芯片技术高精尖创新中心承办。会议设置了38场主题报告、3场精品短课程、1场小组讨论及50余个墙报展示。

与传统的基于冯诺依曼架构计算模式相比，类脑计算具有能耗低、计算效率高等优势，有望支撑人工智能技术取得进一步突破。本届类脑计算国际学术会议报告主题涉及大脑信息处理机制及策略优势、类脑计算新材料及器件性能调控、新兴类脑计算器件、类脑计算电路系统、类脑计算架构规划等，从不同层次展示当前类脑计算领域的研究进展，比较了类脑计算不同实现路径的优势和缺点，提出当前类脑计算发展面临的机遇和挑战。

尤政表示，类脑计算涵盖材料学、物理学、电子工程学、计算机科学、神经科学等多个学科，是典型的交叉学科领域。在当前国际环境下，此次国际学术会议的举办体现了科学无国界的精神。

会上，多位科学家分享了各自的科研进展。加州大学伯克利分校神经科学中心主任、神经科学与视光学教授Bruno Olshausen在报告中指出，传统CMOS工艺尺寸缩小所带来收益持续降低，以及对类脑计算功能需求不断增加，“正在从根本上推动新的计算体系和结构开发”。他进一步指出，利用模拟存储和高维计算思路，设计一套通用的原则，将有助于人们理解大脑和人工智能。

德克萨斯农工大学电子和计算机工程学院教授、计算架构研究中心主任Stanley Williams在报告中，对近期神经形态计算进展作出综述，并结合近期对于大脑的全新认知，给出类脑计算的发展路线。他尤为强调脑启发对于未来计算的重要作用。

清华大学微电子与纳电子学系主任魏少军指出，未来通用人工智能技术的发展和应用，要求芯片具有高能效、低延时、灵活性(可重构)等特征。除目前被广泛采用的算法和硬件协同设计优化外，架构创新可以驱动芯片变得更加智能。

中国科学院院士、中国科学院微电子研究所刘明在报告中，分别从器件、电路和算法层面介绍了RRAM等新兴存储器用于脑启发式计算的最新进展和挑战，并针对器件的差异性和不稳定性等问题，提出随机计算在器件差异化特征中的应用以及精度和能耗综合优化等应对策略。

英特尔公司类脑计算实验室主任、首席工程师Mike Davies在报告中，介绍了基于脉冲神经网络(SNN)的Loihi芯片的工作原理及其在稀疏编码、图像处理、姿态识别等方面的应用。

NVIDIA公司首席科学家、高级研究副总裁William Dally在报告中回顾了过去6年推理加速器的发展，介绍了摩尔定律发展放缓后可能的优化方向，指出通过更低精度权重、运算稀疏化、电路和架构的不断创新等，有望更好适应新兴的深度学习应用。

值得一提的是，本届会议吸引了超过400位业内人士参与。