专题新闻

首页 > 专题报道 > 专题新闻 > 正文

【南燕教师】杨玉超:研究人工智能“大脑”的“80后”顶尖科学家

2022-12-13宣传与公共关系办公室

责编:王可佳

人物简介:杨玉超,北京大学长聘教授/博雅特聘教授,国家杰青,北京大学深圳研究生院信息工程学院副院长,类脑智能芯片研究中心主任。长期从事忆阻器、类脑计算、存算一体芯片等研究,累计发表Nature Electronics、Nature Reviews Materials、Nature Nanotechnology、Nature Communications、Science Advances、IEDM等期刊和会议论文130余篇。获首届科学探索奖、求是杰出青年学者奖、Wiley青年研究者奖、《麻省理工科技评论》中国区35岁以下科技创新35人等奖项,入选2020、2021、2022年全球前2%顶尖科学家榜单、2020年与2021年爱思唯尔“中国高被引学者”。

杨玉超接受采访

如果只看杨玉超教授的个人介绍,“长聘教授”、“国家杰青”、“高被引学者”等重量级title,以及超百篇期刊文章,大概率不会想到,这位学术资深、成就卓著的教授竟是一名“80后”。从材料学到计算机,从忆阻器到类脑计算,杨玉超在自身学术领域的辛勤耕耘,一直努力突破芯片计算存储的边界,更是突破学科的边界。2015他选择回国,从美国到北京,再从北京到深圳,加入深研院AIfor Science的创新之路。

忆阻器:在后摩尔时代突破性能“天花板”

晶体管是现代电器最关键的元件之一,在集成电路界有一个知名的“摩尔定律”,提出者是英特尔创始人之一戈登·摩尔:集成电路上可以容纳的晶体管数目在大约每经过18个月到24个月便会增加一倍,处理器的性能大约每两年翻一倍。21世纪的前20年,我们见证了电脑、手机、汽车的快速迭代,摩尔定律中的周期,切实反映在日常生活中的变化中。

但是性能的提升并非没有天花板,当集成密度无法再翻倍的时候,数据搬运成本以及功耗却一直在增加,加上工艺限制,使得芯片算力提升速度会越来越慢;但同时,AI的发展、大数据的应用,对芯片要求只会越来越高。要突破天花板,必须找到新器件和新的芯片架构。忆阻器,这个名称中包含了“记忆”和“电阻”词义的新型器件,成为“后摩尔时代”突破计算性能天花板的关键。

作为个人研究的重要内容,杨玉超对忆阻器进行了详细的介绍。忆阻器可以理解为模仿人脑结构,将“计算”与“存储”融为一体的新型元器件,1971年在理论上被提出,2008年,惠普实验室研制出第一代忆阻器。彼时杨玉超正在读材料学博士二年级,研究电介质薄膜的时候发现一些制备不好的样品漏电比较大,电流-电压曲线还出现了回滞的窗口,这对于电介质薄膜来讲是不好的现象,属于比较失败的样品。但杨玉超在这个时候没有习惯性地把失败的实验样品丢到垃圾桶,而是刨根究底阅读大量的文献,在意识到这种实验现象源于缺陷造成的忆阻效应之后,杨玉超将研究方向逐渐地从材料学转为EE(electronic engineering电子工程),从此全部投入到忆阻型器件及其应用的研究中。

杨玉超觉得自己的研究要有“科学和自然的节奏”,学术成果“要么上书架,要么上货架”,最终要产生价值。在科学领域对问题的探索引领着杨玉超转换研究方向,而自然界可以提供新鲜有趣的灵感,比如对蚂蚁的观察。杨玉超举例说,一只蚂蚁常常难以独自觅食,但在蚁群中,无数蚂蚁之间的沟通协作、信息处理所达到的功效,远远超越单只蚂蚁力量的总和,这为“群体智能”、“分布式智能”的研究带来很大启发,包括忆阻器中的分布式计算。如今,杨玉超的此项相关研究成果,在历时7年之后在Nature Communications上发表,并被编辑遴选为器件领域亮点论文。

智能大脑:AI浪潮中在“四个面向”上的应用

2015年,杨玉超回国加入北京大学。谈及国内的科研环境,杨玉超表示目前国内创新氛围浓厚,国家对科技攻关、高校研究非常重视,基础科研条件比国外更好,比如高校实验室中的微纳加工设备,国内高校硬件水平甚至已经超于国外。但同时,科研与产业结合较弱,研究仍以纵向课题为主,高校与企业的合作仍待加强。

杨玉超归国之际,正处于AI的蓬勃发展期。2011年至今,随着大数据、云计算、互联网、物联网等信息技术的发展,以深度神经网络为代表的人工智能技术飞速发展,大幅跨越了科学与应用之间的“技术鸿沟”,诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术,迎来爆发式增长的新高潮。

“神经网络”一词形象地将人工智能的运行方式拟人化,而杨玉超的研究则直指这个神经系统的中枢——“大脑”。忆阻器可以理解为有记忆功能的电阻,不同于传统的集成电路,忆阻器的电路更像神经突触细胞,不仅可以计算,还可以存储信息,并随着学习历史动态变化;类脑计算可以理解为研究生物细胞和网络在计算上的模型,目前实现了在小尺度纳米器件里重现多种复杂生物神经系统行为。杨玉超团队对这个“看不见的智能大脑”的研究与探索,对满足未来浩如深渊的算力需求、推动神经网络在应用平台上的落地起到了关键作用。2020年12月,杨玉超团队首次实现基于相变存储器的神经网络高速训练系统,该成果被评为“2020年AI十大技术进展”。

在谈及对自己科研成果应用的畅想时,杨玉超引用了习近平总书记提出的“四个面向”。他认为科研既要探索知识的边界,即便是很久才能转化为生产力、目前应用途径并不明确的研究;同时要聚焦国家重大战略需求,比如目前中国聚力攻关的集成电路“卡脖子”技术;在未来日常生活中,忆阻器和类脑计算为未来的AI社会提供了丰富的可能性,在嵌入式存储、智能穿戴、自动驾驶、云服务器等方面将发挥重要作用。

AI for Science:与北大、南燕同行

对于深研院提出AI for Science(“AI4S”)的未来发展路径,杨玉超认为,AI for Science是AI落地、产生生产力在学术领域的体现。AI4S代表了一种新的科研范式,尤其适合需要大量重复性实验、广泛试错的领域,如材料、生物制药等。AI可以通过模型训练,拟合规律,大大减少重复性工程,加快研究进程。现在,AI的发展从“百花齐放”到“大浪淘沙”,根据科技转化为生产力的必然过程,如今到了落地的关键阶段。深研院扎根深圳这样一座充满产业活力和创新生态的城市,作为北京大学“新工科”建设的南方基地,面向国家战略需求,责任在肩、义不容辞。

杨玉超的科研经历中,从材料学到信息工程,到当前的研究领域,无处没有跨学科、交叉学科的探索;回国加入北大,他也双聘于集成电路学院和人工智能研究院。AI for Science作为一种以AI牵引的交叉学科研究范式,杨玉超认为在实际推动中,可以通过顶层设计,牵引学者们以问题为导向,搭建研究平台,通过项目驱动交叉学科探索。

来到深研院,除了将继续在AI芯片领域大施拳脚,杨玉超同时担任深研院信息工程学院副院长。在新岗位上,杨玉超希望能继承发扬北京大学集成电路的传统与优势,与深研院的学科特色、与深圳产业发展相结合;在人才培养上,能助力培养青年科学家成长,实行人才强院;在产学研上,推动科研成果面向国家和产业需求的转化。即技术链、人才链、产业链,杨玉超概括为“三链联动”。

在采访过程中,杨玉超曾多次举例北京大学集成电路学科与中国芯片产业发展的紧密联系,包括北大信工学科泰斗、参与深研院信息工程学院创院的王阳元院士,取得的多项重大成果。在坚持科技创新的同时,杨玉超也站在传承发扬北大集成电路学科的征途上,从未名湖到南国燕园,他将继续践行北大青年科学家使命感和责任感,在建设北大“新工科”南方基地的道路上与北大、与南燕同行。

文/王可佳

图/王顺伦

关闭