高效神经网络计算--高效智能计算与学习

高效神经网络计算智能科学计算

方向介绍：
高效神经网络计算指在深度学习任务中，通过优化计算过程和资源利用来提高计算效率和性能。由于深度学习模型通常具有大量的参数和复杂的计算需求，高效计算对于加速训练和推理过程、减少计算资源和能源消耗非常重要。研究内容包括模型压缩与加速、NPU加速器设计、具身智能计算等：

(1) 模型压缩与加速：研究神经网络稀疏、量化、低秩分解、知识蒸馏等技术，对预训练模型进行压缩，降低模型参数存储，提升模型训练/推理速度。

(2) NPU加速器设计：研究基于FPGA/ASIC的神经网络高效计算架构，通过算法-架构软硬协同设计，提升神经网络运行计算效率，降低功耗。

(3) 具身智能计算：针对无人机、机械臂等机器人设备，研究轻量化的人工智能模型、具身加速库、嵌入式硬件计算系统等，实现人工智能模型在机器人上高效率计算。

(4) 图像分析与计算：研究处理、解释和分析数字图像数据的算法，通过提高图像数据处理的效率和准确性，以便更好地理解和利用这些数据，在卫星遥感、安全监控、自动驾驶等多个行业实际场景中应用广泛，是更智能决策的基础。

研究方向