信息學院本科生在電路與系統領域發表研究成果

ON2024-03-21CATEGORY科研進展

上??萍即髮W積極鼓勵本科生走進實驗室、參與科學研究,這一創新舉措從建校之初延續至今。近年來,本科生屢屢發表高質量的論文,捷報頻傳。近期,信息學院婁鑫教授課題組本科生的多項成果在國際知名學術會議上發表。


低延遲高吞吐量多精度浮點除法與開方運算單元設計

在目前的處理器中,浮點運算單元(FPU)負責執行浮點計算。以往的FPU設計傾向于高估誤差以確保準確性,并且缺乏對硬件復用方面的優化。本科生戴良韜、朱昊騁在電路設計上不斷創新,采用前沿的誤差分析方法,在保證精確的前提下,成功設計出了更高性能的多精度浮點除法與開方運算單元。驗證結果表明,研究成果不僅在性能上優于現有的FPU設計,而且通過集成多種精度的除法與開方運算實現了顯著的硬件復用。

 


該研究成果以題為“Low-latency High-throughput Multi-precision Fused Floating-point Division and Square-root Unit Design”發表在國際會議 IEEE International VLSI Symposium on Technology, systems and Applications上。信息學院2020級本科生戴良韜、2021級本科生朱昊騁為論文的共同第一作者,婁鑫教授為通訊作者。信息學院2021級本科生楊超也參與了此項工作。

 

|朱昊騁在實驗室進行科研工作

 

“課題組里的學長們非常nice,教會了我許多,我無比感謝他們對我的幫助?!敝礻或G說道,“另外,我們課題組里有三名21級的同學,我們平時也會互相鼓勵,互相鞭策,交流在學習和生活中遇到的困難,這對度過學業和科研中的低谷期非常重要?!?/span>

 

基于密度估計方法的神經渲染高效采樣策略


神經渲染技術是神經輻射場(NeRF)基礎框架的延伸,在三維重建和渲染領域有著廣泛的應用。盡管研究人員從各個角度嘗試加速原始 NeRF,但許多神經渲染算法中的光線行進過程仍是性能瓶頸,制約了其渲染速度。為解決這一問題,本科生賀云翔嘗試引入了一種基于密度估計的有效采樣創新方法。評估和分析結果驗證了方法的有效性。該方法在不影響渲染質量的前提下有效減少了所需的占用網格訪問次數,可顯著提高渲染效率。

 

|賀云翔在實驗室在實驗室進行科研工作

 

該項成果以“Density Estimation-based Effective Sampling Strategy for Neural Rendering”為題發表在國際知名會議IEEE International Symposium on Circuits and Systems 上。信息學院2021級本科生賀云翔為論文的第一作者,婁鑫教授為通訊作者。

賀云翔表示,這篇論文最初的思路是源自于機器學習引論課程的Project?!霸趶土暤臅r候,我盯著這個密度估計的公式,突然覺得它完全可以用來解決之前我和學長們苦惱已久的采樣效率問題。當時,我在期末報告里只是簡單的描述了一些定性的分析,隨后通過設計和補充實驗,逐步驗證了我的想法“。他說,”這并不是一個很大的創新,但小而實用的新設計也不失為一種有意義的探索?!?/span>

事實上,以第一作者身份發表論文絕非是一朝一夕就能完成的事。賀云翔大一就申請加入了婁鑫教授的課題組,以參與者的身份在IEEE TCASI,CICC等知名學術會議和期刊上發表論文。他還回憶起第一次參與科研工作的那個寒假,協助課題組學長學姐進行模型多精度量化的驗證工作。他說,”剛上手時,我連運行環境都配置不好,運行一次代碼都幾經波折,然后不斷地摸索,不斷地改進。經過這次工作之后,我才逐漸掌握了獨自設計和完成一個項目所需要的基本能力。雖然花費了很多時間,但對我的個人成長確實很有意義,課題組的老師和前輩也給了我很多鼓勵和關愛?!?/span>

信息學院很多本科課程都會設置項目型“大作業”,通過閱讀最新的學術論文,將前沿的研究成果引入課堂,實現教學、科研相結合,鼓勵學生們進行探索,也為有志于繼續科研的同學奠定了實踐基礎。