梁云老师的研究方向是芯片设计自动化, 软硬件协同设计, 嵌入式系统等。研究小组注重科研创新，同时培养工程实践能力。实习的本科生中，常年有优秀学生出国就读于世界知名大学(Stanford, MIT等)和留校攻读博士学位，实验室科研氛围浓厚，学术成果丰富。

指导教师：梁云，北京大学长聘教授/博雅特聘教授，博士生导师。获国家自然科学基金委杰出青年基金和北京市杰出青年基金，北京市智源青年科学家、IEEE-CCF 青年科学家奖、ACM 杰出科学家。主要研究方向为集成电路设计自动化EDA、软硬件协同设计、计算机体系结构，在相关领域的国际顶级会议和期刊DAC、ISCA、MICRO、ICCAD、FPGA等发表论文100余篇, 两次被评为国际会议最佳论文，6次被提名为国际会议最佳论文。担任ACM核心期刊TECS和TRETS的副主编，同时也是MICRO、DAC、FPGA 等会议的技术委员会委员。

个人网站: https://ericlyun.github.io/

现就以下课题招收本科实习生：

课题名称：ML for Hardware Design (针对硬件设计的机器学习技术)

随着人工智能、自动驾驶、物联网、大数据等领域的发展，对硬件算力的需求不断提高，芯片设计的复杂度日益增长，传统硬件设计方法难以满足硬件设计流程的高效性和敏捷性需求。机器学习技术，包括大语言模型、深度学习和强化学习等，在语言、图像和语音等领域取得了巨大成功，在辅助芯片设计、提升芯片综合和验证效率方面同样具有广阔前景。近年来，学界涌现了一系列利用机器学习技术优化硬件设计流程的研究工作，包括但不限于：训练大语言模型以高效生成硬件设计代码，利用强化学习技术进行自动化设计空间探索，以及用深度学习模型预测电路性能和功耗指标以提高评估效率等等。本课题组关注机器学习技术与硬件设计综合验证技术的交叉结合，拥有丰富的GPU和FPGA计算资源，兼顾软件算法的创新设计和硬件领域的实际需求，致力于开发高效、智能的芯片设计方法。课题组目前已经在相关领域的顶级会议（ISCA、DAC、ICCAD、FPGA）等发表多篇高水平论文。

课题名称：Compiler for AI Chip（大模型在AI 芯片上的推理优化）

课题介绍：随着人工智能芯片（TPU, NPU, Tensor Core GPU）的快速发展，对于配套软件栈的需求也越来越大。其中，编译技术通过抽象硬件细节、分层优化、代码生成、自动空间探索，为快速搭建软件栈提供了一条优秀的技术路线。近几年，国内外涌现了一批高质量深度学习编译器辅助网络优化和算子优化，深度学习编译器研究也成为了学术界和工业界的热点。本课题组关注深度学习编译技术和智能芯片体系结构的交叉点，同时兼顾深度学习算法特点和底层硬件架构特点。课题组目前已经在相关领域的顶级会议（ASPLOS, ISCA, MICRO, HPCA）发表多篇高水平论文。

申请流程:

请将简历发送到梁云老师 ericlyun@pku.edu.cn