2月4日，物電2特聘教授劉雙龍為第一作者的論文“Accelerating Fully Spectral CNNs with Adaptive Activation Functions on FPGA”在第24屆歐洲設計自動化與測試會議(Design, Automation and Test in Europe, DATE 2021)發表，並作會議口頭報告（regular presentation）。

歐洲設計自動化與測試會議（DATE）會議與國際設計自動化會議（DAC）被公認為電子設計自動化領域（EDA）水平最高的兩個國際會議，也是全球電子設計與測試領域著名企業展覽與專家交流的高水平會議。原定法國巴黎舉辦的DATE 2021會議改為線上舉行，此次會議共收到來自於全世界33個國家和地區的2600名作者的766篇投稿論文，其中183篇論文被接收為報告論文（regular presentation），接受率為24%。

針對人工智能算法尤其是深度捲積神經網絡的計算力問題，該論文提出了一種基於傅里葉變換的頻域捲積神經網絡的算法設計和優化方法，並設計了面向可編程邏輯器件（FPGA）的高能效硬件架構用於加速提出的算法。該論文提出的設計方法在多個圖像數據集上得到驗證，實驗結果證實其具有與傳統捲積神經網絡相媲美的識別準確性，並且在論文設計的硬件加速器上獲得了高達4倍到10倍的速度提升，為人工智能算法在面向邊緣計算時的計算力需求提出了新的解決途徑。

論文提出的全頻域捲積神經網絡的硬件加速系統

湖南師範大學是該論文的第一署名單位，劉雙龍教授為第一作者，合作單位為英國帝國理工2。該項研究成果得到國家自然科學基金青年科學基金項目的資助。

會議與論文鏈接：

https://www.date-conference.com/programme/session/11.4