近日，我校物理與電子科學2特聘教授劉雙龍在人工智能硬件加速器研究領域取得重要突破，在人工智能領域頂級刊物、校定SCI-TOP期刊IEEE Transactions on Neural Networks and Learning Systems (TNNLS)上發表了題為“Design of Fully Spectral CNNs for Efficient FPGA-Based Acceleration”的研究論文。

近年來，捲積神經網絡在學術界和工業界取得了巨大成功並得到了廣泛應用，但是受限於其計算複雜度和計算資源，在面向邊緣計算時往往難以滿足實時應用的速度要求。為解決該問題，劉雙龍教授提出了一種全新的滿足在頻域計算捲積神經網絡的設計方法和硬件優化工具。基於前期研究工作（https://ieeexplore.ieee.org/abstract/document/9474171），該論文提出了全頻域捲積神經網絡硬件加速器的軟硬件協同優化方法（圖1）和工具（圖2），該方法支持硬件執行時的層內流水並行和層間流水並行，最大化地提升了算法的計算效率和計算速度，從而有效解決了捲積神經網絡在邊緣端的計算力瓶頸問題。

劉雙龍教授為該論文的第一作者和唯一通訊作者，湖南師範大學為論文的第一完成單位，合作單位為英國帝國理工2。該工作獲得了國家自然科學基金、湖南省自然科學基金和長沙市自然科學基金等項目的資助。近年來，劉雙龍教授課題組在人工智能算法和硬件加速技術方向展開研究，並取得了突破性成果，先後在國際頂級期刊和會議IEEE Trans. on Neural Networks and Learning Systems (TNNLS)，IEEE Trans. On Computers (TC)，IEEE Trans. on Computer-Aided Design of Integrated Circuits and Systems (TCAD)，ACM/SIGDA International Symposium on Field-Programmable Gate Arrays (FPGA)，Design, Automation & Test in Europe Conference & Exhibition (DATE)等發表系列高水平研究成果，獲得了國內外同行的高度關註。

論文鏈接：

https://ieeexplore.ieee.org/document/9969527

DOI:10.1109/TNNLS.2022.3224779

一審：劉雙龍

二審：賀兵香

三審：廖潔橋