陳怡然教授，擁有清華大學(xué)本科及碩士學(xué)位，并于2005年在普渡大學(xué)獲得博士學(xué)位。他于2010年加入匹茲堡大學(xué)任助理教授并于2014年晉升為副教授，獲終身教職并任“雙百年校友“講席，現(xiàn)任杜克大學(xué)電子與計算機工程系教授，杜克進化計算智能中心聯(lián)合主任，美國自然科學(xué)基金委新型可持續(xù)及智能計算產(chǎn)學(xué)合作研究中心主任，聚焦新型存儲系統(tǒng)、機器學(xué)習(xí)與神經(jīng)形態(tài)計算、以及移動計算等方向的研究。

陳教授發(fā)表過一本專著及超過350篇技術(shù)論文，獲得過94項美國專利，并出任過多本IEEE和ACM期刊編委以及超過50個國際會議的組織與技術(shù)委員會主席和委員。他曾獲得6次國際會議最佳論文以及13次最佳論文提名。他曾榮獲美國國家自然科學(xué)基金委教授早期職業(yè)發(fā)展獎(NSF CAREER)、ACM電子自動化協(xié)會新教師獎、德國洪堡資深學(xué)者等榮譽。陳教授是IEEE會士和ACM杰出會員。

演講主題

為人工智能應(yīng)用開發(fā)的Processing-In-Memory（PIM）解決方案

內(nèi)容梗概：近年來人工智能（AI）的興起是由深度學(xué)習(xí)算法的廣泛應(yīng)用所推動的。在這些應(yīng)用中，深度模型在部署前會先進行訓(xùn)練，然后將所需要處理的數(shù)據(jù)直接輸入模型得到所需要的結(jié)果。輸入數(shù)據(jù)和訓(xùn)練模型之間的操作非常適用存內(nèi)計算（PIM，Processing in Momory），從而有效克服傳統(tǒng)計算架構(gòu)上的馮諾依曼瓶頸。在本次演講中，陳教授將介紹存內(nèi)計算技術(shù)的主要背景，并介紹一些針對各種AI應(yīng)用的代表性解決方案。陳教授還將討論存內(nèi)計算在電路、架構(gòu)和算法等領(lǐng)域所面臨的技術(shù)挑戰(zhàn)，并發(fā)表對于存內(nèi)計算技術(shù)未來發(fā)展的看法。

2019全球閃存峰會官網(wǎng)：http://www.flashmemoryworld.com/

zhangnn