袁之航简介

袁之航于2017年获得北京大学理学学士学位,2017年起于北京大学信息科学技术学院攻读研究生(硕博连读),师从孙广宇长聘副教授。研究方向为:高效神经网络设计、神经网络压缩加速、软硬件协同优化等。袁之航累计参与6款AI芯片的研发,在国际会议/期刊上发表多篇论文;曾任北京大学创客空间社长/理事长、北京大学极客实验室奇点游戏工作室创始人、北京大学极客产品孵化部部长、北医学生会宣传部副部长;曾任AI音乐创业公司北京惊弓科技CTO。

项目经历

北京大学高能效计算与应用中心 2015.09-

  • 进行动态神经网络架构设计研究,发表多篇论文
  • 参与SNN(脉冲神经网络)芯片,负责芯片工具链算法部分的研究/软件开发和辅助硬件架构设计,针对芯片硬件设计提出多种ANN转SNN的优化算法,芯片已流片生产
  • 参与ReRAM(存内计算器件)神经网络芯片的设计,负责进行软-硬件协同优化设计,在考虑噪声和硬件资源限制下,使用NAS同时设计最优网络和最优硬件参数
  • 参与PCM(存内计算器件)神经网络芯片的设计,进行可行性验证和神经网络结构设计
  • 参与内存控制器地址映射策略研究,负责强化学习算法开发
  • 负责医学血液再灌注时间测量系统的研发工作,统筹算法设计、硬件开发
  • 参与LSTM在FPGA上加速的研究,共同设计加速器,负责硬件开发,研究成果在国际会议上发表,被引用次数超过100

泓图睿语(北京)科技有限公司 2017.03-2019.10
实习研究员

  • 参与超低功耗异步卷积神经网络芯片的设计,进行软硬件协同设计,确定芯片运行的网络架构。该芯片是全球首款异步AI芯片,已流片生产
  • 负责面向特定硬件高能效检测网络的设计,设计了多个版本的人脸检测/识别网络架构、车辆识别网络架构,已应用部署

北京大学极客实验室 2017.09-

  • 负责智能分类垃圾桶项目,统筹开发软件、硬件工作,产品在百度云智峰会展出
  • 负责跨平台游戏《魔瓶》项目,统筹设计、开发工作,游戏demo已上线
  • 负责印客印染、未来贺卡、炫光影像等文创产品的统筹开发工作,策划多场活动,多次对外展出
  • 负责策划开设创客X课程,已成功开课二十余节,参与人数达到数百人次

北京数城未来科技有限公司 2019.10-2020.03
实习成员

  • 负责遥感卫星图像AI检测识别框架的设计,实现包括建筑物检测分隔,建筑物高度标定等,已应用部署

北京大学

其他项目

  • 参与医学面瘫智能分级辅助诊疗系统项目,负责算法的设计和开发以及系统后端的开发,部分算法在期刊上发表,系统正在医院测试使用 2020-2021
  • 组建AI音乐生成创业团队,负责交互式自动音乐生成研发项目 2018

发表论文

  • Yuan Z, Jingze L, Xingchen L, et al. NAS4RRAM: Neural Network Architecture Search for Inference on RRAM-based Accelerators[J]. SCIENCE CHINA Information Sciences, 2021.
  • Yuan Z, Wu B, Sun G, et al. S2DNAS: Transforming Static CNN Model for Dynamic Inference via Neural Architecture Search[C]. European Conference on Computer Vision (ECCV), 2020. (oral)
  • Yuan Z, Liu X, Wu B, et al. ENAS4D: Efficient Multi-stage CNN Architecture Search for Dynamic Inference[J]. arXiv preprint, 2020.
  • Guan Y, Sun G, Yuan Z, et al. Crane: Mitigating Accelerator Under-utilization Caused by Sparsity Irregularities in CNNs[J]. IEEE Transactions on Computers (TC), 2020.
  • Guan Y, Yuan Z, Sun G, et al. FPGA-based accelerator for long short-term memory recurrent neural networks[C]. Asia and South Pacific Design Automation Conference (ASP-DAC), 2017.
  • Wu B, Liu Z, Yuan Z, et al. Reducing overfitting in deep convolutional neural networks using redundancy regularizer[C]. International Conference on Artificial Neural Networks (ICANN), 2017.

获得荣誉

  • 北京大学优秀科研奖
  • 北京大学实践公益奖
  • 北京大学“创新实践项目奖”
  • 北京大学第七届模拟创业大赛 第三名
  • 北京大学2017黑客马拉松 第四名
  • 北京大学二等奖学金

Introduction in English

This website is HahnYuan’s personal blog. It was built in 2017.

I am a Ph.D student of the CECA of Peking University. My research interest is the high-efficiency neural network, software and hardware co-optimization.

The content of this blog is divided into two parts, one is about my own idea, the other is my notes and opinions of related research paper.

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×