日前，中科物栖联合创始人兼首席芯片架构师王颖博士，其指导和参与的论文《MT-DLA：一种高效的多任务深度学习加速器设计》，荣获ACM GLSVLSI（大湖区超大规模集成电路设计国际会议）2021年度非常好的论文奖。GLSVLSI是集成电路领域重要国际会议，集中展示了超大规模集成电路、元器件和系统级设计相关领域全球优异的优秀科研成果。
随着AI应用变得复杂，一个设备通常需要同时对输入进行多种处理，例如自动驾驶汽车需要对采集的图像同时进行物体检测、场景分类、目标寻迹等处理。多任务神经网络中存在存储和计算的冗余。因此，中科物栖王颖博士带领的团队提出一种对多任务神经网络进行全流程加速和去冗余的方法，提高多任务神经网络的处理能效。
论文指出，对于多任务神经网络，对其进行离线协同压缩，利用其相似的数据分布，通过共享码表的方法，提取并减少其存储冗余；同时也提出一种多任务神经网络加速器硬件设计（MT-DLA）。与普通神经网络加速器不同，该设计可以让几个神经网络同时在硬件加速器上进行计算，并增加少量硬件暂存计算的中间结果，由于多任务之间的相似性，这些计算的中间结果可以被重用，降低计算冗余。与多个网络单独推理相比，该论文提出的多任务神经网络加速器取得了1.4-7.0倍的性能提升。论文得到国际学术界的高度评价。
