当前位置 首页 人才队伍
  • 姓名: 尚大山
  • 性别: 男
  • 职称: 研究员
  • 职务: 
  • 学历: 博士
  • 电话: 
  • 传真: 
  • 电子邮件: shangdashan@ime.ac.cn
  • 所属部门: 微电子器件与集成技术重点实验室
  • 通讯地址: 北京市朝阳区北土城西路3号

    简  历:

  • 教育背景

    2004年4月–2007年7月,中国科学院上海硅酸盐研究所,研究生/博士

    工作经历

    2018年10月–至今,中国科学院微电子研究所,研究员,博士生导师

    2009年7月–2018年10月,中国科学院物理研究所,副研究员,博士生导师

    2012年7月– 2014年2月,德国亚琛工业大学物理系(IA) 洪堡学者

    2013年11月– 2014年1月,英国剑桥大学材料科学与冶金系,洪堡访问学者

    2011年5月– 2012年4月,韩国首尔大学物理与天文系 博士后

    2007年8月– 2009年6月,中国科学院物理研究所,博士后

    2004年4月 – 2007年7月,中国科学院上海硅酸盐研究所,研究生/博士

    社会任职:

    研究方向:

  • 围绕类脑计算领域的重要科学与技术问题,开展具有认知记忆的神经形态计算器件、集成、算法和系统研究,拓展神经形态计算技术在大数据处理、物联网和人工智能系统中的应用,包括:

    1)神经形态计算器件与集成技术 

    2)神经网络模型与深度学习算法 

    3)感算融合的人工智能感知系统 

    承担科研项目情况:

  • 承担项目

    科技创新2030重大项目“新一代人工智能”专项,2020AAA0109005,基于混合器件的神经形态计算架构及芯片研究,参与,2020/10-2025/10

    中国科学院任务/战略性先导科技专项(B类),XDB44020100,存算一体基础器件与系统前沿科学,参与,2020/01-2024/12

    国家重点研发计划,2018YFA0701500,存算一体器件及其计算新架构,课题负责,2019/09-2024/08

    国家自然科学基金面上项目,62374181,基于大规模电解质栅控晶体管阵列的神经形态计算,主持,2024/01-2027/12

    国家自然科学基金面上项目,61874138,基于层状氧化物材料的神经突触晶体管,主持,2019/01-2022/12

    国家自然科学基金面上项目,51671213,基于磁电耦合材料的新型信息存储器件研究,主持,2017/01-2020/12

    国家自然科学基金面上项目,11274363,金属/绝缘体随机混合体系阻变效应研究,主持,2013/01-2016/12

    国家自然科学基金青年项目,11004235,巨电致电阻效应中导电路径的形成与演变过程研究,主持,2011/01-2013/12

    国家自然科学基金重点项目,11134007,新型电致电阻材料的物理机制,参与,2012/01-2016/12



    代表论著:

  • 1)S. Wang, Y. Li, D. Wang, W. Zhang, X. Chen, D. Dong, S. Wang, X. Zhang, P. Lin, C. Gallicchio, X. Xu, Q. Liu, K. Chen, Z. Wang*, D. S. Shang*, M. Liu, Echo state graph neural networks with analogue random resistive memory arrays, Nature Machine Intelligence 5,104 (2023) (封面文章)

    2)H. Xu, D. S. Shang*, Q. Luo, J. An, Y. Li, S. Wu, Z. Yao, W. Zhang, X. Xu, C. Dou, H. Jiang, L. Pan, X. Zhang, M. Wang, Z. Wang, J. Tang*, Q. Liu*, M. Liu, A low-power vertical dual-gate neurotransistor with short-term memory for high energy-efficient neuromorphic computing, Nature Communications 14: 6385 (2023)

    3)N. Jiang, J. Tang, W. Zhang, Y. Li, X. Chen, R. Fang, Z. Guo, F. Wang, J. Wang, Z. Li, C. He*, G. Zhang*, Z. Wang*, D. S. Shang*, Bio-inspired in-sensor reservoir computing for self-adaptive visual recognition with two-dimensional dual-mode phototransistors. Advanced Optical Materials 11, 2300271 (2023)

    4)Z. Li, R. Bao, W. Zhang, F. Wang, J. Wang, R. Fang, H. Ren, N. Lin, J. Yue, C. Dou, Z. Wang*, D. S. Shang*, 2T2R RRAM-based in-memory hyperdimensional computing encoder for spatio-temporal signal processing, IEEE Transactions on Circuits and Systems II: Express Briefs DOI: 10.1109/TCSII.2024.3352120 (2024)

    5)Y. Li, J. Chen, L. Wang, W. Zhang, Z. Guo, J. Wang, Y. Han, Z. Li, F. Wang, C. Dou, X. Xu, J. Yang, Z. Wang,* D. S. Shang*, An ADC-less RRAM-based Computing-in-Memory Macro with binary CNN for Efficient Edge AI, IEEE Trans. Circuits Syst. II: Express Briefs 70, 1871 (2023)

    6)W. Zhang, S. Wang, Y. Li, X. Xu, D. Dong, N. Jiang, F. Wang, Z. Guo, R. Fang, C. Dou, K. Ni, Z. Wang*, D. S. Shang*, M. Liu, Few-shot graph learning with robust and energy-efficient memory-augmented graph neural network (MAGNN) based on homogeneous computing-in-memory, IEEE Symposium on VLSI Technology and Circuits Honolulu, HI, USA, C25-3, DOI: 10.1109/VLSITechnologyandCir46769.2022.9830418 (2022)

    7)Y. Li, W. Zhang, X. Xu, Y. He, D. Dong, N. Jiang, F. Wang, Z. Guo, S. Wang, C. Dou, Y. Liu, Z. Wang*, D. S. Shang*, Mixed-precision continual learning based on computational resistance random access memory, Advanced Intelligent Systems 4, 2200026, (2022) (封面文章)

    8)Y. Li, Z. Xuan, J. Lu, Z. Wang, X. Zhang, Z. Wu, Y. Wang, H. Xu, C. Dou, Y. Kang, Q. Liu, H. Lv, D. S. Shang,* One transistor one electrolyte-gated transistor based spiking neural network for power-efficient neuromorphic computing system, Advanced Functional Materials 31, 2100042 (2021)

    9)J. Yu, Y. Li, W. Sun, W. Zhang, Z. Gao, D. Dong, Z. Yu, Y. Zhao, J. Lai, Q. Ding, Q. Luo, C. Dou, Q. Zuo, Y. Zhao, S. Chen, R. Zou, H. Chen, Q. Wang, H. Lv, X. Xu*, D. S. Shang*, M. Liu, Energy efficient and robust reservoir computing system using ultrathin (3.5 nm) ferroelectric tunneling junctions for temporal data learning, IEEE Symposium on VLSI Technology and Circuits IEEE, Kyoto, Japan, T16-4, (2021)

    10)Y. Li, J. K. Lu, D. S. Shang,* Q. Liu, S. Y. Wu, Z. H. Wu, X. M. Zhang, J. G. Yang, Z. R. Wang, H. B. Lv, M. Liu, Oxide-based electrolyte-gated transistors for spatiotemporal information processing, Advanced Materials 32, 2003018 (2020)


    专利申请:

    获奖及荣誉: