11月3日下午，浙江大学朱晓雷副教授应邀为信息学院师生开展题为《神经形态计算芯片及其晶圆级集成系统》的讲座。信息学院副院长李秀梅主持此次讲座，信息学院本科生、研究生共200余人参加。

近年来，神经形态计算芯片以其独特的设计理念和卓越的性能引起了广泛关注。它借鉴了生物大脑的神经元连接方式和信息传递方式，通过芯片实现了具有生物相似性的智能计算系统。朱老师为我们详细介绍了神经形态计算芯片及其晶圆级集成系统的原理和应用前景。

首先，朱老师为我们介绍了神经形态芯片的独特之处，在于其模拟神经元突触存算一体的机制，打破了传统计算架构的内存墙和IO瓶颈。通过借鉴生物大脑中神经元之间的连接方式，神经形态芯片能够实现高效的信息传递和处理，大大提高了计算系统的性能。此外，神经形态芯片还利用了基于事件驱动的稀疏脉冲信号传输特性，实现了超低能耗。相比于传统计算架构，神经形态芯片在能耗方面有着明显的优势。

近年来，随着芯粒（Chiplets）系统封装技术的发展，硬件系统可以通过先进封装实现芯片的大规模扩展和高密度集成。这一技术的出现克服了传统PCB互连线延迟和功耗增加等问题，为计算系统的进一步发展提供了新的可能性。在晶圆级芯粒集成封装技术的支持下，基于神经形态计算芯片的硬件系统可以实现超大规模神经元的集成，解决了AI系统中功耗、延时、工作频率、集成度、异质集成和成本等方面的难题。

朱老师还为我们介绍了基于神经形态计算芯片的晶圆级集成技术在各个方面展现出的惊人优势。首先，它可以大幅度降低系统的功耗，提高计算效率，为人工智能领域的应用提供更强大的支持。其次，晶圆级集成技术可以显著减少系统的延时，提高工作频率，使得计算任务能够更快地完成。此外，晶圆级集成技术还可以实现异质集成，将多种不同功能的芯片集成在同一块芯片上，进一步提高了系统的集成度和性能。最重要的是，晶圆级集成技术的应用可以大幅度降低成本，使得神经形态计算芯片的应用更加广泛。

朱老师提到，神经形态计算芯片及其晶圆级集成系统的出现，为智能计算提供了全新的解决方案。借鉴生物大脑的神经元连接方式和信息传递方式，神经形态芯片实现了具有生物相似性的智能计算系统，极大提高了计算性能和能耗效率。而基于晶圆级芯粒集成封装技术的硬件系统，进一步扩展了神经形态计算芯片的规模和密度，解决了计算系统中的各种难题。相信在不久的将来，神经形态计算芯片将会在各个领域得到广泛应用，推动人工智能技术的飞速发展。

最后，同学们积极提问，朱老师细心解答。相信通过本次讲座，同学们将对神经形态计算芯片有更深入的了解，不仅能帮助同学们深入了解前沿研究动态，还能拓展视野、培养创新思维，为日后的学术研究和职业发展打下坚实基础，并为未来的科技发展贡献自己的力量。