近日，我校物理与电子科学学院特聘教授刘双龙在人工智能硬件加速器研究领域取得重要突破，在人工智能领域顶级刊物、校定SCI-TOP期刊IEEE Transactions on Neural Networks and Learning Systems (TNNLS)上发表了题为“Design of Fully Spectral CNNs for Efficient FPGA-Based Acceleration”的研究论文。

近年来，卷积神经网络在学术界和工业界取得了巨大成功并得到了广泛应用，但是受限于其计算复杂度和计算资源，在面向边缘计算时往往难以满足实时应用的速度要求。为解决该问题，刘双龙教授提出了一种全新的满足在频域计算卷积神经网络的设计方法和硬件优化工具。基于前期研究工作（https://ieeexplore.ieee.org/abstract/document/9474171），该论文提出了全频域卷积神经网络硬件加速器的软硬件协同优化方法（图1）和工具（图2），该方法支持硬件执行时的层内流水并行和层间流水并行，最大化地提升了算法的计算效率和计算速度，从而有效解决了卷积神经网络在边缘端的计算力瓶颈问题。

刘双龙教授为该论文的第一作者和唯一通讯作者，金宝搏官方188为论文的第一完成单位，合作单位为英国帝国理工学院。该工作获得了国家自然科学基金、湖南省自然科学基金和长沙市自然科学基金等项目的资助。近年来，刘双龙教授课题组在人工智能算法和硬件加速技术方向展开研究，并取得了突破性成果，先后在国际顶级期刊和会议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)等发表系列高水平研究成果，获得了国内外同行的高度关注。

论文链接：

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

DOI:10.1109/TNNLS.2022.3224779

一审：刘双龙

二审：贺兵香

三审：廖洁桥