Teaching

课程信息

面向本科生开设三门课程，分别从器件、电路与架构三个入口进入同一个问题：智能计算的硬件基础是如何构成的。

课程网站 aiarchpku.com 三门课程的讲义、作业、实验说明与课程公告统一发布于此。

人工智能的硬件基石：从物理器件到计算架构

课程从半导体器件的物理机制出发，逐步搭建到芯片架构：晶体管与存储器件的工作原理，忆阻器、相变存储器等新型器件的特性，如何用这些器件构成计算单元，以及计算单元如何组织成能够运行神经网络的架构。核心问题贯穿始终：人工智能的算力究竟从哪里来，又受什么限制。

教学评估在元培学院四十余门选修课中列第 3 名，课程材料入选北京大学数字精品教材工程。

课程以体系结构的视角展开，讨论智能计算负载对硬件提出了哪些新要求，以及现有架构在哪些地方无法满足这些要求。内容涵盖处理器基础、存储系统、片上网络、专用加速器设计，并结合实验室的研究实例讨论新型架构的设计取舍。

课程包含较重的动手环节，学生将完成从设计描述到 FPGA 验证的完整流程，同时学习如何在设计流程中使用人工智能工具辅助代码生成、验证与调试。目标是让学生理解工具能做什么、不能做什么，以及在哪些环节人的判断仍然是决定性的。

在斯坦福大学与密歇根大学求学期间担任下列课程助教。以下链接指向各校公开的课程页面，内容以校方当前版本为准。

课程实验与实验室课题之间保留了通路：学生在「基于 AI 的数字系统设计」中完成的加速器设计，可以延续为本科生科研训练的起点；「人工智能的硬件基石」中的器件建模作业，使用的是实验室实测数据拟合的紧凑模型。

希望进一步参与研究的同学，可以在课程结束后直接联系，或参加实验室每学期的开放组会。相关安排见联系我们。