2月17日，在芯片领域奥林匹克会议ISSCC 2021上，电子科技大学信息与通信工程学院教授周军团队宣读了其在人工智能（AI）芯片领域的最新工作BioAIP。

BioAIP是生理信号AI处理芯片，是未来可穿戴/植入式智能健康监测设备的核心模块。

目前，现有的通用AI处理芯片功耗一般在毫瓦级别，不适合超低功耗可穿戴/植入式健康监测；而且，已有的生理信号AI处理芯片只能支持单一的AI健康监测任务（如心电识别、癫痫检测、运动感知、情绪监测等）。此外，生理信号可能存在较大的病人间差异性，在实际应用中，预先训练好的生理信号AI分类算法可能对某些病人的识别准确率会大幅下降。

为解决以上挑战，周军团队在BioAIP中设计了具有硬件重构能力的神经网络处理引擎，可以完成不同的神经网络结构计算，从而支持不同的生理信号AI处理算法。同时，他们设计了多种可灵活配置的生理信号处理引擎，如可配置滤波模块、峰值检测模块、信号分窗模块等，从而支持不同的生理信号预处理任务。二者相互结合，可用于多种不同的AI健康监测应用。在此基础上，周军团队还提出并实现了一系列超低功耗芯片设计技术，如事件驱动神经网络处理架构，片上数据近似压缩技术、神经网络/预处理引擎复用技术、自适应生理信号压缩技术等。在心电识别、癫痫检测、运动感知等多个AI健康监测任务中，达到了小于6微焦的极低分类能耗。另外，该研究针对生理信号病人间差异性，提出了一种低复杂度自适应学习技术，使得AI算法可以学习不同病人的生理信号特征，从而大幅提升准确率，又不增加太多功耗。该AI处理芯片可以用于多种可穿戴/植入式智能健康监测设备，具有广阔的应用前景。

该论文是电子科技大学在人工智能芯片领域的第一篇ISSCC顶会论文。

相关论文信息：http://isscc.org/program-2