半导体神经网络与智能计算系统课题组是我国最早开展类脑计算硬件研究的科研团队，从1990年起，经过30年持续、不间断的研究和实践，形成了一套具有独创性的涵盖类脑神经计算算法、类脑神经形态芯片以及软硬件系统的完整体系。以课题组为核心筹建了北京市半导体神经网络智能感知与计算技术重点实验室、中国科学院半导体研究所类脑计算技术中心等重要研究平台。团队负责人为鲁华祥研究员，共有在职职工12人，其中高级职称5人。

课题组针对复杂环境下的不确定、非完整信息处理问题，以半导体技术与计算机技术为手段，研究能模拟神经突触信息处理机制及神经元网络组织形态的神经计算理论方法，研制具有噪声容错和缺陷容错机制的类脑神经形态计算芯片，以及高等认知功能训练学习和计算的类脑神经认知计算系统。课题组实现了高仿生“多权值”神经元模型、分布式树形神经元集群架构、局部子域数据存储与计算一体化等具有系统性和原创性的关键技术，颠覆以往依赖工艺线宽缩小带动计算速度提高的发展模式，为解决传统冯诺曼计算机难以解决的、无精确数学模型存在的复杂过程的经验总结、预测、决策，以及广泛不能按逻辑推理解决的形象思维问题，提供创新的途径和硬件手段。

课题组承担了多项国家及中科院重大科研项目，相关成果已实现在网络信息安全、重大装备、在线智能监测等领域的典型应用，有力推动了相关行业的智能化升级改造，并先后获北京市科学技术进步一等奖、国家发明三等奖等奖励。

半导体神经网络与智能计算系统课题组具体科研方向如下：

n  方向一 类脑神经计算理论方法

从脑神经元及其活动机理本质出发，模拟神经元及其连接机制，以及层次化、多尺度、高度联通、多中央枢纽的人脑生理拓扑结构，准确建模人脑神经的网络连接、信息传输和组织方式，建立具有容错和综合能力的神经元结构、网络模型和学习策略，研究神经计算与模拟生物行为的演化计算、群智能计算以及模糊计算相融合的途径，实现具备感知、学习与记忆、推理、决策等认知功能及其协同的神经形态计算模型，并具有硬件可实现性。

n  方向二 类脑神经形态芯片

结合脑神经元工作机制、模型以及新型神经元器件和突触器件，开展超大规模类脑神经形态芯片的高水平设计、仿真和测试，实现包含神经突触、神经元、激活函数等核心神经形态芯片IP核体系；创新发展类脑神经形态电路的柔性设计方法，支持层次化、结构化、可扩展的芯片网络拓扑组织结构，实现具备超大规模神经元和超高速度神经突触连接的类脑神经形态芯片。通过对神经计算算法的芯片化和实体化，实现计算的高度并行化，从而提升整体计算系统的计算速度与计算能力。

n  方向三 高等认知功能训练学习和计算能力的类脑认知计算系统

重点开展超大规模类脑并行异构计算架构开发和新型计算方法研究，基于类脑神经形态芯片的高性能高可扩展的互连通信、能耗管控和高效系统集成、高效分布式计算节点、编程模型和编译系统、多层次存储、综合容错等系列关键技术开发，以及支持类脑计算系统指令集、操作系统和编程语言等技术链开发，提供体现应用特点且适合类脑计算系统的基准测试程序集，并最终实现具备高等认知功能训练学习和计算能力的类脑认知计算系统。

n  方向四 神经网络技术和类脑认知计算芯片、系统的应用

针对电力、石油等恶劣环境下的海量物理信息感知需求，发展可处理不完全、不精确、多维、异构信息的认知计算方法。具体包括完成基于神经计算方法的高压电力设备绝缘在线监测系统研制，满足电力行业入网许可标准，达到可挂网运行的条件，推动高压电力设备检修方式从周期性检修走向状态检修、预知检修；研制无需周期性校正的油井地面示功图测量处理单元，实现对稠、稀油井等不同地质条件、油气特性油井的针对性优化，并进一步实现油田生产管控综合测量信息应用平台，为油田精细化生产管理提供可靠的基础性数据。

联系电话：010-82304572