中科大-类脑智能技术及应用国家工程实验室-[国家工程实验室]

dxadmin

1.1 背景介绍

       人工智能已经上升至国家战略。信息化向智能化迈进是大势所趋，智能化将是人类社会下一个技术形态的标志。人脑是自然界几亿年进化的高级智能产物，具有超高的智能和超强的鲁棒性。揭示人脑信息处理机制，从脑科学和神经科学获得启发，发展类脑智能技术，是实现信息化向智能化跨越的最佳途径。
       2017年1月，国家发改委正式批复同意由中国科学技术大学作为承担单位，建设类脑智能技术及应用国家工程实验室。这是我国类脑智能领域迄今唯一国家级科研平台，居于全国领先地位。实验室是合肥综合性国家科学中心重要建设内容。实验室的成立填补了中国类脑智能领域创新能力工程实验室的空白，实验室未来的发展也将进一步提升人工智能技术的科研水平和核心竞争力，有效促进中国智能产业的跨越式发展。


1.2 建设单位

       本项目选址合肥高新区，建设主体为中国科学技术大学。实行理事会领导下的主任负责制，理事会是实验室的宏观决策机构，负责实验室的总体发展战略等。实验室主任全面负责实验室的管理和运行、科学研究与技术研发平台建设、科研成果转移转化等。中国科学技术大学联合国内类脑智能领域优势科研与产业资源，形成了高校、科研所、高科技企业的联建集体。实验室联建单位包括：复旦大学、中国科学院沈阳自动化研究所、中国科学院微电子研究所、百度公司、中国科学院电子学研究所、中国科学院神经科学研究所、科大讯飞股份有限公司、微软亚洲研究院、数据堂（北京）科技股份有限公司、新一代人工智能产业技术创新战略联盟 。


1.3 主要任务

       围绕提升我国信息处理技术的类脑程度与智能水平的迫切需求，建设类脑智能技术应用研究平台，支撑开展类脑认知与神经计算、类脑多模态感知与信息处理、类脑芯片与系统、量子人工智能、智能机器人等技术的研发与工程化。通过建立脑认知和脑模拟技术研究与试验平台，形成国内一流的科研环境，培养和汇聚类脑智能高端技术人才，主动承担国家和行业重大科研项目，在智能信息处理、智能机器人、类脑芯片与系统等重点研究方向不断取得关键技术成果并推广应用，构建类脑智能技术与应用领域自主知识产权和标准体系，形成可持续的产学研系统创新机制，为推动类脑智能的技术进步和产业发展提供技术支撑。


1.4 主要建设内容

       工程实验室建设类脑智能技术及应用研究与试验平台，由支撑系统、科研系统和应用示范系统三部分组成。支撑系统为研究与试验平台运行提供服务和管理，应用示范系统负责研究成果的应用示范与转移转化，科研系统开展上述六个方向的类脑智能研究。其中，脑认知与神经计算的研究为类脑智能技术提供神经机理、认知机制等方面的理论基础与计算模型，类脑多模态感知与信息处理研究 “结构类脑”、“功能类脑”的感知与处理模型及算法，类脑芯片与系统以及类脑计算系统研究类脑智能计算的硬件与软件基础。量子人工智能方向旨在对巨量智能计算任务提供新型的超高速计算新平台。类脑智能机器人作为类脑智能技术的综合体，集成类脑感知与信息处理、类脑芯片、类脑计算系统等方向的创新技术。




类脑智能技术及应用国家工程实验室：http://leinao.ustc.edu.cn/

dxadmin

研究方向-脑认知和神经计算

人脑由 1011个神经元和 1014个神经元之间的突触连接构成， 仅需消耗 10-20W 功率，完成从感觉到认知的各项复杂任务。探索脑的工作原理是脑科学研究的核心问题之一。随着近年来智能产业的飞速发展，脑科学研究催生了类脑智能领域新的增长点，代表性突破包括哺乳动物视皮层的信息处理机制对深度学习的奠基性作用，以及脑细胞的可塑性等工作原理对类脑芯片设计的影响等。

脑科学和人工智能的融合与协同发展存在很大的机遇和挑战。脑科学基础研究发展新技术探测更多神经元的实时活动，理解感知等高级行为的机制； 目前大脑在处理复杂任务时的低功耗和鲁棒性仍远超人工智能系统， 需要通过认知大脑的工作原理， 发展新的类脑智能计算理论，从而推动人工智能接近并达到生物大脑的智慧能力。

工程实验室计划以脑认知的神经基础为核心科学问题，运用遗传学和光学成像等技术，聚焦多模态协同感知、学习和决策等关键的脑认知功能，解析大脑神经环路的结构和功能，探究大脑对感觉和运动信息处理机制以及学习和决策的神经计算机制。该方向的具体技术内容如下图所示。


研究方向-类脑多模态感知与信息处理

类脑多模态感知与信息处理在脑神经网络结构和多模态信息处理机制的启发下，从类脑视觉感知、类脑听觉感知、类脑视听觉协同、类脑自然语言处理和智能决策五个方面入手，突破关键技术，发展类脑多模态感知新方法和新理论，在图像识别、语音识别、情感计算、自然语言推理、常识问答等典型应用上取得重要突破。


研究方向-类脑芯片与系统

传统计算机采用冯· 诺依曼架构，存储与计算在空间上分离，频繁的数据交换导致处理海量信息效率很低。与之相比，人脑作为自然界几亿年进化的高级智能产物，在运行智能计算任务时，能效远远超过现有的计算机结构。为了应对智能计算的需要，必须借鉴人脑的网络结构和信息处理方式，研究基于微电子技术和新型神经形态器件的类脑智能芯片的集成工艺与设计技术，突破传统计算架构，实现存储与计算的深度融合，大幅提升计算性能、提高集成度、降低能耗。

研究内容包括新型神经形态器件的材料与工艺、 仿生神经芯片与系统、深度学习神经芯片与系统以及类脑模拟四个方面，如下图所示。


研究方向-类脑计算系统

类脑计算系统旨在构建新型高性能计算硬件与软件系统，模仿大脑生物神经系统的结构与工作原理，支撑类脑高性能并行计算。研究类脑计算集群的硬件体系架构，研发配套的类脑操作系统、管理和支撑软件，开发针对类脑计算任务的超高并行度数据通信与存储系统，建立类脑系统的自主学习算法，开展类脑计算的典型示范应用。


研究方向-量子人工智能

近年来，以深度学习为代表的人工智能技术正日益崛起，在众多领域得到广泛应用。随着数据规模的爆炸式增长，深度学习对计算和存储资源的需求急剧增大。现有的计算体系通过扩充 GPU/CPU 服务器数量，实现计算与存储能力线性增长，已经无法满足深度学习的需求，严重制约了计算机大数据知识挖掘与智能决策水平的提升。因此，亟需研究新型超高效率的计算架构，以适应数据规模海量化及信息处理智能化的新形势与新需求。

量子模拟具有经典计算欠缺的超并行计算能力，利用量子系统的叠加性和量子纠缠，对人工智能算法进行量子加速，能够极大幅度提高计算与存储性能。理论研究表明，当操控量子比特数达到 30 个左右时，量子模拟器的运算能力便能超越当前的计算机。然而，受限于现有的材料和技术，实验上能够成功精确操控的量子比特数通常为 5个左右， 远不能满足实际任务的运算需求。

量子模拟与高性能并行计算的融合，是突破量子模拟器运算能力瓶颈的有效途径。本实验室探索量子模拟与并行计算融合的理论与计算模型，研究新型多量子比特模拟器原理及器件，设计量子模拟并行体系架构，充分发挥量子模拟单元的高速运算能力以及并行计算架构的高效数据调度与通信能力，研制多量子比特高速并行的量子人工智能机，并进一步研制基于新型材料的小型化高比特量子人工智能机。量子人工智能机的成功研制将带来运算与存储能力的大幅跃升，极大增强深度学习等人工智能技术的大数据处理能力，提高知识挖掘的全面性、准确性与及时性，提升计算机智能分析与决策水平，有望推动众多应用领域的智能化进程。


研究方向-类脑智能机器人

智能机器人技术代表一个国家的高科技水平和自动化程度，它具有广阔的发展空间和市场前景。当前在工业制造、医疗康复、反恐安全、家政服务、深海和星球探测等领域，机器人学均取得了巨大的进步。但是，基于传统控制理论与方法搭建的机器人系统，会由于过分依赖系统建模和信息反馈的效果，在面临动态环境、长时导航和自主学习等复杂任务和问题时，无法像人类那样具备快速的智能反应和良好的适应能力。

为此，本实验室将重点研究大脑信息处理机制，以各种类型的机器人作为载体，实现融合视觉、听觉、触觉、本体感知等多通道认知信息的协调与控制，提出面向复杂环境和操作任务的类脑智能机器人控制理论，实现对于人类决策行为的自主学习，完成各种复杂环境条件下的控制任务。

类脑智能机器人的研究包括类脑智能运动控制、脑学习记忆机制启发的空间定位与导航、类脑工作决策机制的研究以及类脑智能机器人平台几个方面。