科研导师
Dr. DannyQS100院校讲师，博士
导师介绍
研究领域：芯片设计,AI,图像处理加速,FPGA 学术成果：22年从工业界回归学术界以来，已经发表超过10篇文章，其中中科院1区1篇，SCI一区4篇； 长期担任多个定期期刊/会议的审稿人，包括IEEE TS，MCS，IEEE Access，IEEE TIEl，IEEE TII，ACM TRTS，IEEE/CAA Journal of Automatica Sinica等；
基于RISC-V架构的AI推理加速器设计与优化研究
- 课题名称
- 基于RISC-V架构的AI推理加速器设计与优化研究
- 学科专业
- 课题关键词
- 辅导模式
- 1对1
- 发表目标
- SCI期刊1、2区 CCF-C
- 课题介绍
- 随着人工智能（AI）技术在边缘计算、物联网及自动驾驶等领域的快速渗透，AI推理任务对计算能效与实时响应的需求日益严苛。传统通用处理器（如CPU/GPU）受限于架构通用性，在深度学习模型（如CNN、Transformer）的推理过程中面临能效比不足、算力浪费等问题；而专用ASIC加速器虽能效优异，但开发周期长、硬件灵活性差，难以适配快速迭代的AI算法与多样化应用场景。 RISC-V作为开源指令集架构，凭借模块化设计、可扩展指令集及低硬件成本等特性，为AI推理加速器的定制化设计提供了理想平台。其开放生态支持针对AI推理的关键操作（如向量计算、低精度算术、数据重用）进行指令集扩展与微架构优化，可在保证硬件灵活性的同时，显著提升推理性能与能效。因此，基于RISC-V架构开展AI推理加速器的设计与优化研究，对于突破传统架构瓶颈、满足边缘智能设备的算力需求具有重要的理论价值与应用前景。
导师信息
招生要求
面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。