有没有比“智能手环”更精巧的产品作为我们的“健康管家”呢？
最近 ， 电子科技大学信息与通信工程学院博士生刘嘉豪所在的团队 ， 设计制作出了一款轻盈的生理信号人工智能处理芯片 ， 只有一小片雪花那么大 。 用镊子轻轻把芯片夹起来放在大拇指的指甲盖上 ， 可以放十几片 。 
本文图片
裸片图
2021年2月17日 ， 在芯片领域奥林匹克会议ISSCC 2021上 ， 团队负责人、信息与通信工程学院周军教授团队宣读了它们的最新研究成果 。
这篇论文题为“BioAIP: A Reconfigurable Biomedical AI Processor with Adaptive Learning for Versatile Intelligent Health Monitoring” 。 电子科技大学为该论文唯一单位 ， 周军教授指导的博士生刘嘉豪为第一作者 ， 周军教授为通讯作者 。
功耗更小 ， 监测的准确率更高！刘嘉豪说 ， 这款芯片可以用于多种可穿戴/植入式智能健康监测设备 ， 具有广阔的应用前景 。
健康监测很热很火
但有许多“瓶颈”问题
随着生活水平日益提高 ， 人们对身体健康的重视程度逐渐加深 。 为更加了解身体的运行情况 ， 市场上涌现了大批可携带式的电子传感设备 ， 如监测心率、脉搏的电子手环 ， 监测运动数据的智能手表等 。
可穿戴、可植入式智能健康监测设备是这个领域的未来发展方向 。 它的核心模块就是生理信号人工智能处理芯片 。 但是 ， 目前已有的生理信号AI处理芯片常常存在监测任务（或者应用）单一、可靠性较差等缺点 ， 不能很好地满足人们的需求 。
本文图片
芯片应用展示图
“比如 ， 要做心电识别 ， 就需要可穿戴或植入心电识别的芯片；要做癫痫检测 ， 就要穿戴或植入癫痫检测芯片 ， 运动感知、情绪监测等 ， 都需要专用的芯片 ， 应用很不方便 。 ”刘嘉豪说 ， “生理信号还可能存在较大的病人间差异性 ， 在实际应用中 ， 预先训练好的生理信号AI分类算法可能对某些病人的识别准确率会大幅下降 。 ”
另外 ， 现有的通用AI处理芯片主要存在几个方面的不足：一方面 ， 它们的功耗一般在毫瓦级别 ， 不适合应用在超低功耗的可穿戴、可植入式健康监测 。 另一方面 ， 它们内部并没有设计用于生理信号处理模块 ， 例如信号滤波、峰值检测等 ， 因此不能直接应用在智能健康检测设备中 。
新疫情期间宅家闭关
每天工作至少10小时
周军教授从2019年12月起 ， 就带领刘嘉豪等团队成员开始研究解决这些问题 。 春节刚过 ， 由于新冠肺炎疫情突然爆发 ， 团队的师生都各自宅在家里 ， 但研究工作没有丝毫停滞 。 对他们来说 ， “闭关”更有利于集中精力、潜下心来 。
在芯片设计过程中 ， 需要远程调试代码并进行仿真测试 ， 团队经常在线开会讨论 ， 一开就是四五个小时 ， 深入讨论模块接口以及调试各种Bug 。 芯片设计团队共包含12位成员 ， 芯片的前后端设计工作均在团队内完成 。
本文图片
刘嘉豪
在撰写论文时 ， 每一页论文、配图 ， 他们都要反复斟酌、打磨 ， 来来回回修改了十几个版本 。 周军教授和常亮研究员经常通过长时间的远程会议 ， 指导学生们开展工作 。 他们每天至少工作10个小时 ， 但大家热情都很高 。 终于等到新学期开学 ， 疫情防控进入“新常态” ， 团队师生迅速返校 ， 用了不到20天就完成了芯片测试和论文的最后修改 。
回顾这段难忘的时光 ， 刘嘉豪说：“科研从来不是一个人的英雄主义 ， 而是一群人满怀热情为同一个目标奋力拼搏 。 那段时间 ， 各位老师和同学们是最辛苦的！”功夫不负有心人 ， 他们的研究成果最终在芯片领域奥林匹克会议ISSCC 2021上宣读 ， 得到了国际同行的充分认可 。
锐意创新结出硕果
拓展了AI芯片的应用潜力
在这项研究中 ， 周军教授带领团队研发了一种超低功耗、可重构、支持自适应学习的生理信号AI处理芯片 ， 缩写BioAIP 。
在该芯片中 ， 他们设计了具有硬件重构能力的神经网络处理引擎 ， 可以完成不同的神经网络结构计算 ， 从而支持不同的生理信号AI处理算法 。 同时 ， 设计了多种可灵活配置的生理信号处理引擎 ， 如可配置滤波模块、峰值检测模块、信号分窗模块等 ， 从而支持不同的生理信号预处理任务 。 这二者相互结合 ， 可用于多种不同的AI健康监测应用 。
在此基础上 ， 他们还提出并实现了一系列超低功耗芯片设计技术 ， 如事件驱动神经网络处理架构 ， 片上数据近似压缩技术、神经网络/预处理引擎复用技术、自适应生理信号压缩技术等 。 在心电识别、癫痫检测、手势识别等多个AI健康监测任务中 ， 他们的芯片都达到了小于6微焦的极低分类能耗 。
本文图片
手指封装芯片
另外 ， 他们针对生理信号病人间差异性导致检测准确率降低的问题 ， 提出了一种低复杂度基于AI的自适应学习技术 ， 使得AI算法可以学习不同病人的生理信号特征 ， 从而有效提升准确率 ， 同时不增加太多功耗 。 刘嘉豪表示：“该AI处理芯片可以用于多种可穿戴/植入式智能健康监测设备 ， 具有广阔的应用前景！”
让人工智能和医疗健康结合 ， 是很有潜力的产业方向之一 。 刘嘉豪说 ， 市场对AI处理芯片的要求主要有三个方面：一是能更加精确地采集生理信号 ， 二要更便捷 ， 不会影响人们的正常生活 ， 三是能具有较高的诊断的可靠性 。 BIOAIP作为创新的产品 ， 兼具这三大特性 。
本文图片
芯片架构图
这也是成电版“BIOAIP”优于市场上大多数产品的地方之一 。 目前 ， 团队已经做了三个Demo：心电监测产品可以监测5种疾病 ， 脑电监测产品可以检测或预测癫痫 ， 肌电监测产品可以用来做假肢控制 。
兴趣牵引走上科研道路
追梦的路上要风雨兼程
为什么会走上科研这条路？刘嘉豪表示 ， 科研的第一要义是热爱 。 他从高中开始便自己鼓捣一些东西 ， 比如焊电路板之类 。 大一时 ， 他进入了英才实验学院 ， 出于对电路的热爱 ， 坚持做电子设计 ， 一做就是四年 。
后来 ， 他接触到了数字芯片 ， 对数字电路设计产生了浓厚的兴趣 。 一方面 ， 他可以继续坚持有关于电路的梦想 ， 另一方面 ， 他在这个领域发现和挖掘到了自己的真正天赋 。 找到方向后 ， 他便下定决心深耕其中 。
本文图片
部分团队成员
2018年12月 ， 第二届全国大学生FPGA创新设计邀请赛复赛在南京集成电路产业服务中心落下帷幕 。 在周军、林水生、李纯明老师的指导下 ， 研究生组的刘野、贾从含、刘嘉豪设计的《基于FPGA的医疗MRI图像分割系统》荣获全国二等奖 。 在2021年3月举行的全国大学生挑战杯大赛校赛上 ， 团队凭借该工作获得了评委老师的一致认可 ， 获得校级特等奖 ， 并且被推荐加入省赛 。
一步一个脚印 ， 一步一个台阶 。 刘嘉豪说 ， “将来我还做这方面 ， 包括生理信号AI处理算法、硬件设计等 。 希望能够更多地流片、更多地发文章 ， 进一步提升自己的创新能力 。 ”在芯片领域奥林匹克级别会议上发表成果不是终点 ， 而是起点 ， 他说 ， “我永远在追梦的路上！”
文字：学生采访人员团 邓婷 刘芷溢、新闻中心 王晓刚
【科技|成电学霸研发的小小芯片，竟是无微不至的“健康管家”】编辑：新闻中心 卿晗
推荐阅读
- 快报|“他，是能成就导师的学生”
- 产品|泰晶科技与紫光展锐联合实验室揭牌
- 空间|（科技）科普：詹姆斯·韦布空间望远镜——探索宇宙历史的“深空巨镜”
- 相关|科思科技：无人机地面控制站相关设备产品开始逐步发力
- 地面|全程回顾神舟十三号航天员乘组圆满完成第二次出舱任务
- 机身重量|黑科技眼控对焦23年后回归，升级！ 江一白解读EOS R3
- 最新消息|中围石油回应被看成中国石油：手续合法 我们看不错
- 人物|马斯克谈特斯拉人形机器人：有性格 明年底或完成原型
- 公司|科思科技：正在加速推进智能无线电基带处理芯片的研发
- 项目|常德市二中2021青少年科技创新大赛再获佳绩