近日，第63届ACM/IEEE设计自动化大会（DAC 2026）在美国长滩圆满落幕。作为被誉为芯片设计界“奥斯卡”的顶级学术盛会，DAC始于1964年，由ACM和IEEE联合主办，是EDA领域唯一的CCF-A类国际顶级会议，也是芯片设计领域历史最悠久、影响力最大的学术会议之一。
本届大会上，一微科技国家专项合作高校团队——中山大学微电子科学与技术学院虞志益教授、肖山林副教授团队，在类脑计算自动化设计领域取得重要突破。团队论文《ACENAS: A ZeroCost NAS Framework for CoDesign of Architecture and Encoding in Spiking Neural Networks》（第一作者为该院覃铭宇同学）正式被大会收录，该项研究得到国家自然科学基金重点项目、广东省重点研发计划项目联合支持。
专项攻关优势互补，打造类脑计算产学研合作标杆
此次突破性成果依托广东省重点领域研发计划“脑科学与类脑研究”重大专项，项目由中山大学牵头，珠海一微科技股份有限公司深度参与承担系统架构设计与产业化落地核心任务，是高校原创科研与企业工程化能力深度融合的产学研标杆成果。
在合作中，中大团队聚焦算法创新与理论突破，一微科技则发挥自身在类脑芯片与硬件平台的技术积累，负责将前沿算法进行系统验证、应用软件开发及端侧部署方案实现。今年4月，项目已顺利通过中期检查，获得专家组充分肯定。
ACE-NAS：首个SNN结构与编码协同设计的零成本架构搜索方案
类脑计算致力于借鉴生物神经系统信息处理机制，实现低功耗、低延迟的智能计算。脉冲神经网络（SNN）作为类脑计算的核心模型，其性能不仅取决于网络结构，也与神经编码方式密切相关。然而，现有SNN架构搜索方法通常只优化网络结构，采用人工设定的固定编码方式，难以充分探索结构与编码相互耦合的设计空间。
针对这一痛点，团队提出ACE-NAS——这是首个面向SNN网络结构与神经编码协同设计的零成本架构搜索框架。“零成本”意味着无需对每个候选网络进行完整训练，即可高效探索最优配置。
ACE-NAS将网络拓扑和分层编码方式共同纳入搜索空间，可根据不同层级功能，在频率编码（Rate）、突发编码（Burst）和首次脉冲时间编码（TTFS）等机制之间进行异构配置，大幅减少对人工经验的依赖。该框架提出了编码评估指标Jacob_cov，可在无需训练的情况下评估不同编码方式的时序信息表征能力，并结合结构评估指标ZiCo和作为动态能耗代理的初始脉冲数量，通过多目标进化搜索，获得兼顾性能与脉冲开销的设计方案。
性能显著提升，搜索效率跃升两个数量级
实验数据令人振奋：
l CIFAR-10数据集上取得92.95%的分类准确率；
l Tiny-ImageNet-200上，相较AutoSNN，准确率由46.79%提升至53.29%，脉冲数量由680K大幅降低至269K，降幅超过60%；
l 搜索效率方面，CIFAR-10上完成一次完整搜索仅需约1个GPU小时，相较AutoSNN加速约7倍；相较传统NAS方法，搜索时间降低两个数量级以上。
这一成果将SNN自动化设计由单一的网络结构搜索拓展至结构与编码协同搜索，为高精度、低脉冲、硬件友好的SNN自动化设计提供了全新技术路径。
持续推进科研成果产业化，赋能国内类脑智能产业发展
未来，一微科技将持续深化与中山大学等高校科研团队的产学研合作，聚焦类脑计算关键核心技术攻关，加速更多前沿科研成果的工程化、产业化转化，持续为国内类脑智能产业高质量发展注入科创力量、贡献一微力量。祝贺虞志益教授、肖山林副教授团队及覃铭宇同学取得重磅学术突破！
