一周前沿科技盘点64丨RISC-V核心开源代码研发，这所高校 “上大分”；机器人轻松取豆腐：谁说高灵敏与宽线性量程不可兼得？
指令集作为软件与硬件之间沟通的桥梁，是芯片产业的基础。RISC-V（第五代精简指令集）在全球范围内获得广泛关注，应用场景正从智慧物联网向手机、服务器等领域快速拓展。近日，山东大学智能创新研究院、软件学院双聘教授戴鸿君带领基础软件团队让RISC-V架构快速融入服务器产业化领域。北京大学深圳研究生院信息工程学院田永鸿教授团队构建并开源的脉冲神经网络深度学习框架SpikingJelly（中文名：惊蜇）因其简单易上手、训练加速快而获得广大研究者欢迎。
基于国际科技创新中心网络服务平台科创热榜每日榜单形成的一周科技记忆，我们推出《一周前沿科技盘点》专栏。今天，为大家带来第六十四期。
1
《Science Advances》丨惠及多领域研究者！“惊蜇”成新秀
SpikingJelly（惊蜇）框架的整体结构、示例代码、仿真速度、生态位以及典型应用
脉冲神经网络（SNN）被誉为第三代神经网络，使用更低层次的生物神经系统的抽象，既是神经科学中研究大脑原理的基本工具，又因其稀疏计算、事件驱动、超低功耗的特性而备受计算科学的关注。随着深度学习方法的引入，SNN的性能得到大幅度提升，脉冲深度学习作为计算神经科学与深度学习的交叉学科，成为新兴研究热点。传统SNN框架更多关注生物可解释性，致力于构建精细脉冲神经元并仿真真实生物神经系统，并不支持自动微分，无法充分利用图形处理器（GPU）的大规模并行计算能力，也缺乏对神经形态传感器和计算芯片的支持，难用于脉冲深度学习任务。
对此，北京大学深圳研究生院信息工程学院田永鸿教授团队构建并开源了脉冲神经网络深度学习框架SpikingJelly（中文名：惊蜇）。“惊蜇”提供了全栈式的脉冲深度学习解决方案，提供神经形态数据处理、深度SNN的构建、替代梯度训练、人工神经网络（ANN）转换SNN、权重量化和神经形态芯片部署等功能。研究团队认为，“惊蜇”框架的显著优势体现在两方面：简单易用，研究者可以快速进行跨领域的学习和使用，通过寥寥数行代码轻松构建并训练深度SNN；超高性能，与其他框架相比，“惊蜇”可达11倍的训练加速。
也因此，自2019年冬季一经推出，“惊蜇”框架就获得研究者青睐，基于“惊蜇”的研究工作大量出版，将SNN的应用从简单的MNIST数据集分类扩展到人类水平的imageNet图像分类、网络部署、事件相机数据处理等实际应用。围绕该框架，还有尖端前沿领域的探索，包括可校准的神经形态感知系统、神经形态忆阻器、事件驱动加速器硬件设计等。目前有超过123篇公开论文使用“惊蜇”框架进行实验。上述应用和研究表明，“惊蜇”的开源，极大促进了脉冲深度学习领域的发展。
2
RISC-V核心开源代码研发，这所高校 “上大分”
改进的RISC-V服务器的总体启动流程
指令集作为软件与硬件之间沟通的桥梁，是芯片产业的基础。第五代精简指令集（RISC-V）是一种基于精简指令集原则的开源指令集架构。由于可以提供灵活、可扩展和开放的架构，RISC-V在全球范围内获得广泛关注，应用场景正从智慧物联网、向更复杂的手机、服务器等领域快速拓展。近日，山东大学智能创新研究院、软件学院双聘教授戴鸿君，带领基础软件团队成功将首个RISC-V CPU服务器的UEFI启动方案合并入开源社区tianocore EDK2主线仓库，完成了首个符合UEFI标准的RISC-V服务器固件研发，实现了借助UEFI的成熟生态，让RISC-V架构快速融入服务器产业化领域。这标志着山东大学具有了固件、操作系统内核等基础软件核心代码研发的国际领先能力，成为了RISC-V关键开源代码的重要贡献者。
团队还完成了“RISC-V CPU+TPU”的智算融合方案，在全球首次实现了企业级TPU BM1684X在SG2042 CPU上的驱动与优化，并成功运行了AI图像生成模型StableDiffusion、大模型inferllm等。这为RISC-V服务器平台上部署高性能AI应用开辟了崭新的路径，促进了RISC-V和AI技术结合的大算力发展。
研发过程中，戴鸿君教授践行了“有组织科研和融合发展”的理念，带领软件学院、集成电路学院、智能创新研究院师生组成联合攻关团队，坚持“融入生态”和“开源发展”，先后加入了RISC-V基金会、UEFI社区、OpenKylin社区、开放原子开源基金会等，成立了中国UEFI on RISC-V工作组，山东大学RISC-V开源俱乐部。
3
《International Journal of Fatigue》丨给疲劳工程材料快速做“体检”的攻略来了
高通量对称弯曲悬臂梁疲劳测试系统示意图
疲劳失效是工程构件长期可靠服役所面临的重要问题。为了评价工程构件及各种服役材料的疲劳可靠性，人们往往通过测量材料在不同应力幅（S）下的疲劳断裂寿命或循环加载发生失效对应的服役周次（N）来建立材料的应力幅-寿命曲线（S-N 曲线）。材料经过无穷多次循环加载而不发生破坏时的最大应力幅值称为疲劳极限。疲劳极限常用于评估材料在低应力水平下的疲劳性能，一些金属材料具有明显的疲劳极限。为得到材料的S-N曲线和疲劳极限，依据ASTM、GB等现行测试标准，通常需要采用足够数量的疲劳试样进行大量长时的疲劳测试，这种耗时又耗材的疲劳测试方法在工业界和实验室已使用了近百年。
随着航空航天、信息、能源、生物医用及人工智能等高科技领域的飞速发展，低成本、高效快速评价工程材料疲劳性能和预测在役构件疲劳寿命的需求日益迫切。例如，核电中不可拆卸的在役工程构件、增材制造成形的具有复杂几何形状的一体化形性构件等的疲劳性能如能进行高通量的快速评价将更具工程意义。目前，尽管人们在一些新材料的高通量制备、材料单一性能的高通量表征方面取得了相应进展，但如何建立高通量疲劳测试方法与表征技术，实现低成本、快速评估材料疲劳可靠性仍是一个有待解决的关键问题。
近期，中国科学院金属研究所沈阳材料科学国家研究中心张广平团队提出一种材料疲劳性能高通量、快速评价的思想，设计并建立了一种能够同时对多个小微试样（>7个）进行对称弯曲疲劳加载的测试系统，并在其上对核电、高铁、汽车等领域用的几种典型工程材料进行了高通量疲劳测试，通过对比和计算模拟进行了验证，建立了材料疲劳性能的高通量测试技术和方法。该技术既可模拟标准规定的疲劳极限升降法快速获得材料的疲劳极限，也可一次性获得应力幅/应变幅-疲劳寿命曲线；并在一周内快速获得材料的疲劳数据，耗时仅为采用前述标准测试方法的1/4。
该测试系统、技术与原理的建立不仅为核电等在役关键工程构件疲劳性能测试提供了一种低成本、高效快速的新方法，且为增材制造复杂形性构件、材料表面涂层、腐蚀层和改性层、焊缝区及材料结构单元和应力/应变集中区域等微小区域的本征疲劳性能评价提供了有效的评价策略，为在役工程构件疲劳可靠性“体检”提供新思路，有望进一步推动材料/构件疲劳性能数据库的高效建立和物理模型与数据双驱动的工程构件疲劳寿命的快速预测。
4
《Science Advances》丨全球首个！打破迄今为止纯硅调制器带宽上限纪录
基于慢光效应的硅基调制结构
随着人工智能、大数据、云计算、物联网等新一代信息技术的大规模应用，全球数据总量呈指数式增长，以硅基光电子为代表的光电子集成技术将成为光通信系统的重要发展趋势。在硅基光电子芯片系统中，硅基调制器是完成片上信息传输与处理的关键有源器件。受限于硅材料本身较慢的载流子输运速率，纯硅调制器带宽典型值一般是30—40GHz，难以适应未来超过100Gbaud通信速率的需要，这成为硅基光电子学在高速领域进一步发展的瓶颈之一。
近期，北京大学电子学院王兴军教授、彭超教授、舒浩文研究员联合团队在超高速纯硅调制器方面取得创纪录突破，设计制作出全球首个电光带宽达110GHz的纯硅调制器。
研究团队针对传统硅基调制器带宽受限的问题，利用硅基耦合谐振腔光波导结构引入慢光效应，构建了完整的硅基慢光调制器理论模型，通过合理调控结构参数去综合平衡光学与电学指标因素，实现对调制器性能的深度优化。该纯硅调制器同时具有超高带宽、超小尺寸、超大通带及CMOS工艺兼容等优势，满足了未来超高速应用场景对超高速率、高集成度、多波长通信、高热稳定性及晶圆级生产的需求。
在不引入异质材料与复杂工艺的前提下，研究团队实现了硅基调制器带宽性能的飞跃，低成本的晶圆级量产成为可能，展示了硅基光电子学在下一代超高速应用领域的巨大价值，对下一代数据中心发展具有重要意义。
5
《Nature Communications》丨机器人轻松取豆腐：谁说高灵敏与宽线性量程不可兼得？
DPyCF@SR柔性压力传感器结构示意图（左图）；DPyCF@SR柔性压力传感器制造工艺流程（右图）
柔性压力传感器是智能机器人和可穿戴设备不可或缺的核心功能部件之一。在过去的二十年里，研究人员已开发出各种高灵敏度或宽线性量程的柔性压力传感器。要实现机器人的灵巧性，如抓取重量未知或娇嫩易碎的物体，需要灵敏度高和线性量程宽的压力传感器。然而，对于现有大多数柔性压力传感器而言，高灵敏度和宽线性量程就像“鱼和熊掌”一样，不可兼得。这极大地阻碍了智能机器人的发展。
近日，厦门大学萨本栋微米纳米科学技术研究院周伟教授团队与香港理工大学机械工程学系姚海民教授团队合作，针对目前柔性压力传感器无法兼备高灵敏度和宽线性量程的问题，提出了一种全新的“力-电”耦合非线性协同设计策略，进而探索出特殊制造工艺，并将之定义为定义为DPyCF@SR。
据此，其制造的柔性压力传感器同时具备了高灵敏度（24.6 kPa-1）和超宽线性量程（1.4 MPa）的性能，其线性影响因子（灵敏度×量程）远高于目前报道的其他大部分压阻式柔性压力传感器。
该研究从柔性压力传感器的结构设计制造、敏感机制、性能测试及应用方面展开了系统研究，并在高载荷预压下的微小压力分辨、机器人智能抓取豆腐、铁块等方面取得了良好的实际应用效果。
该研究为柔性压力传感器的设计提供了新方法和新思路，对其他同类高性能柔性压力传感器的设计制造具有重要指导和借鉴意义。
不妨关注
国际科技创新中心网络服务平台
（www.ncsti.gov.cn）
补充阅读：
关于“科创热榜-前沿科技”
往期 · 推荐