布朗大学：集成电路领域研究方向

一、Brown University 集成电路研究概况

Brown University 在集成电路领域的研究主要集中在工程学院（School of Engineering）的电气与计算机工程系（Electrical and Computer Engineering），该系拥有强大的师资队伍和先进的研究设施(95)。学校的研究方向涵盖了从基础器件物理到系统级设计的完整技术链条，包括固态和量子电子学、多媒体信号处理、医疗成像、计算机视觉、语音和图像处理、计算机体系结构、集成电路设计、通信理论和无线通信等多个领域(95)。

在研究设施方面，Brown University 拥有纳米制造中心设施（Nanofabrication Central Facility, NCF），该设施提供了现代器件技术研究所需的完整制造和表征资源，包括电子学、微流体和光子学器件的制造能力(36)。NCF 包含了完整的器件制造序列所需的各种设备，如晶体管和激光器，以及光电、纳米光子和微流体器件，还提供光刻、蚀刻、金属和介质沉积以及各种热处理工具。此外，学校还设有仪器分子和纳米尺度创新中心（IMNI），管理着四个核心研究设施：电子显微镜设施、纳米制造中心设施、纳米工具设施和联合工程与物理仪器商店。

近年来，Brown University 在集成电路领域的研究呈现出跨学科融合的特点，特别是在生物医学电子、神经工程、人工智能芯片和物联网等前沿应用领域取得了重要进展。学校在 2024-2025 学年迎来了近年来最大规模的新教师招聘，包括 5 名新的助理教授，他们在电子设计自动化、精密医学、神经调节、动态系统、神经 AI 和集成电路设计的跨学科应用等领域具有专业知识。

二、不同层次人员的研究方向分析

2.1 本科生研究方向

Brown University 电气工程本科专业采用灵活的定制化培养模式，允许学生根据个人兴趣构建适合的课程体系。该专业的结构包括：跨学科工程核心课程（前两年）、三门高级电气工程课程（ENGN1570 线性系统、ENGN1620 电子电路设计、ENGN1630 数字系统设计）、一门作为传统电气工程专业方向入门的高级电气工程基础课程、两门可从电气工程选修课程列表中选择的高级课程以定义学生设计的专业方向、顶点设计课程和高级科学课程。

本科生可以选择的七个专业方向包括：生物电气工程、通信系统、计算机工程、多媒体信号处理、微电子系统、固态电子学和光子学。其中，微电子系统方向的推荐课程包括 ENGN1600（微电子器件）、ENGN1640（VLSI 设计），以及 ENGN1590（半导体器件物理）、ENGN1680（集成电路制造技术）等选修课程。

本科生还有机会参与研究项目和实验室工作。例如，在 2024 年夏季研究研讨会上，电气工程专业的 Ray Wu '27 在空间格兰特 / NASA 和 Sprint | UTRA 的支持下，展示了题为 "用于航天器姿态确定的三轴亥姆霍兹笼" 的海报，由兼职副教授 Rick Fleeter 指导(14)。

2.2 研究生研究方向

Brown University 电气与计算机工程硕士学位项目提供深度定制化的培训，涵盖计算机硬件、传感器、生物医学仪器、通信系统、控制系统等多个领域。该项目具有高度的灵活性和可定制性，学生可以从 ECE 的广泛主题中选择课程，也可以选修应用数学、医学和计算机科学等其他学科的课程。

研究生可以研究的广泛 ECE 主题包括：

•计算机体系结构和嵌入式系统

•机器学习和模式识别

•计算机视觉和图像处理

•电子材料和器件

•混合信号电子学和模拟 / 数字设计

•光子学、等离子体光子学和太赫兹

•神经工程和脑机接口

•机器人和工业自动化

•传感器网络、网络系统和信号处理

•无线通信与电力传输

研究生项目有三种选择：非论文选项（三学期完成，共八门课程）、论文选项（四学期完成，包括独立阅读和研究课程）和专业选项（包括 3-6 个月的带薪或无薪体验式学习）。

博士研究生的研究方向更加专业化，计算机工程组的研究主题包括多媒体信号处理、医疗成像、计算机视觉、3D 摄影、语音处理、图像理解、数字集成电路的设计和测试、计算机体系结构、物理集成电路设计和纳米尺度系统设计。

2.3 教职人员研究方向

Brown University 电气与计算机工程系拥有多元化的师资队伍，包括 23 名终身制和终身教职轨道教授、2 名研究教授和 10 名名誉教授。这些教授的研究方向覆盖了集成电路领域的各个方面，其中特别活跃在集成电路相关研究的教授包括：

Sherief Reda 教授是可扩展节能计算系统（SCALE）实验室的负责人，他的研究兴趣包括节能计算系统、集成电路设计自动化和测试、计算机体系结构和可重构计算(82)。Reda 教授在 2024 年获得了 IEEE Donald O. Pederson 最佳论文奖，表彰他在电子设计自动化领域的杰出贡献。

Jacob Rosenstein 副教授领导嵌入式生物电子学实验室，专注于混合信号电子设计和开发高分辨率、低功耗、高速生物系统接口(85)。他的研究涵盖单分子生物电子学、生物传感器和生物医学电子学等前沿领域。

Alexander Zaslavsky 教授的研究重点是半导体器件物理和工程，探索基于不同物理机制（如隧穿、热电子效应或超导）、不同材料（锗、III-V 族材料、非晶导电氧化物）或不同几何结构（纳米线、量子点、超薄 SOI）的替代或互补技术(28)。

Mehdi Saligane 助理教授（2025 年 7 月加入）的研究兴趣包括低功耗和节能集成电路设计、生物传感器、开源电子设计自动化以及模拟和混合信号 IC 设计自动化。

Peipei Zhou 助理教授（2024 年 9 月加入）研究定制化计算机体系结构、编程抽象和电子设计自动化，应用于医疗保健（如精密医学）和人工智能等领域。

三、重点应用领域研究分析

3.1 AI 芯片研究方向

Brown University 在 AI 芯片领域的研究主要集中在神经形态计算、物理信息神经网络和专用 AI 处理器架构等方向。

在神经形态计算方面，研究团队开发了一种新颖的无线通信网络方法，能够高效地传输、接收和解码来自数千个盐粒大小的微电子芯片的数据。这些传感器网络被设计成可以植入体内或集成到可穿戴设备中，每个亚毫米大小的硅传感器模拟大脑中神经元通过电活动脉冲进行通信的方式。该系统的核心创新在于采用了类似大脑的稀疏编码方式，传感器不会一直发送数据，而只是在需要时以短脉冲电信号的形式发送相关数据，从而节省大量能量并避免向中央接收器发送大量无意义的数据。

在物理信息神经网络（PINNs）方面，Karniadakis 团队一直在开发可用于人工智能应用的物理信息神经网络。这类网络将物理定律嵌入到神经网络的损失函数中，能够在训练过程中同时学习数据驱动的模型和物理约束，特别适用于科学计算和工程仿真领域。

在硬件加速方面，研究人员正在探索近数据处理（NDP）架构。R. Iris Bahar 教授的研究表明，NDP 架构将逻辑电路（如简单处理器）放置在内存附近，这与处理内存（PIM）不同，后者将逻辑计算有效地集成到存储单元 / 阵列中(52)。这种架构能够显著减少数据移动带来的功耗和延迟，是实现高能效 AI 计算的重要方向。

3.2 物联网芯片研究方向

Brown University 在物联网芯片领域的研究重点包括超低功耗传感器网络、无线通信芯片和边缘计算架构。

在超低功耗传感器方面，研究团队开发了一种异步无线网络技术，用于微电子芯片从生物医学设备传输和接收数据，该系统模拟大脑中神经元通过电信号进行通信的方式(5)。这种无线通信方案具有高度的可扩展性，解决了当前传感器通信网络的一个共同问题：它们都需要完美同步才能正常工作。

在传感器网络技术方面，研究人员设计了一种能够高效传输、接收和解码来自数千个微型电子芯片数据的无线通信网络。该系统在实验室中使用 78 个传感器进行了测试，发现即使传感器在不同时间传输，也能以很少的错误收集和发送数据。通过仿真，他们展示了如何使用大约 8000 个假设植入的传感器解码从灵长类动物大脑收集的数据。

在边缘计算方面，研究团队正在探索可编程传感器节点的设计。CS 295-1 传感器数据管理课程涵盖了从微小的 "智能尘埃" 到硬币大小的 RFID 标签，再到大规模气象传感器平台等各种传感器的设计和开发(89)。这些研究为物联网应用提供了从器件到系统的完整技术解决方案。

3.3 医疗电子芯片研究方向

Brown University 在医疗电子芯片领域具有世界领先的研究地位，特别是在脑机接口、植入式医疗设备和生物传感器等方向。

在脑机接口芯片方面，研究团队开发了完全植入式和可充电的无线大脑传感器，能够在自由移动的受试者中实时中继来自多达 100 个神经元的宽带信号(100)。这种被称为 "神经颗粒"（neurograins）的传感器独立记录放电神经元产生的电脉冲，并将信号无线发送到中央集线器进行协调和处理。

在植入式电子设备方面，研究人员开发了用于大脑植入式神经工程应用的芯片级集成微电极 / 微电子器件(96)。该系统将超低功耗模拟 CMOS 芯片和硅基微电极阵列完全集成到一个微型化的 "神经端口" 中，CMOS 集成电路包括前置放大器和多路复用电路，并开发了混合倒装芯片键合技术来制造功能性、封装的微型化神经探针器件(96)。

在医疗信号处理芯片方面，研究团队设计并实现了五个独立的生物电子集成电路，其中两个是针对生物分子传感和生物电子刺激要求设计的高性能电路设计(99)。这些电路具有高分辨率、低功耗和高速的特点，能够满足医疗应用对精度和可靠性的严格要求。

在商业化应用方面，Brown University 开发的BrainGate 脑机接口系统是该领域的里程碑式成果。该系统旨在通过让严重瘫痪患者（通常包括无法说话的患者）直接大脑控制电子设备（如机器人手臂、计算机和轮椅）来恢复他们的独立性(101)。BrainGate 最初由 Brown 大学神经科学系的研究人员与生物技术公司 Cyberkinetics, Inc. 合作开发，后来该设备制造被分拆给 Blackrock Microsystems 公司。

四、未来发展趋势分析

4.1 技术发展趋势

Brown University 集成电路研究的技术发展趋势主要体现在以下几个方面：

从 CMOS 到新兴器件技术：随着硅技术向最终尺度器件发展，研究人员正在积极探索替代或互补技术，包括基于不同物理机制（如隧穿、热电子效应或超导）、不同材料（锗、III-V 族材料、非晶导电氧化物）或不同几何结构（纳米线、量子点、超薄 SOI）的器件(28)。Zaslavsky 实验室在这方面的研究涵盖了从氮化物热电子和隧穿晶体管到碳纳米管器件等多个方向(28)。

从通用到专用架构：研究趋势正从通用处理器向领域特定架构（DSA）转变。例如，在 AI 计算领域，研究人员正在开发针对神经网络推理和训练优化的专用硬件架构。在生物医学领域，针对神经信号处理和生物分子传感优化的定制集成电路正在成为研究重点(99)。

从集中式到分布式系统：在传感器网络和物联网应用中，研究趋势正从集中式处理向分布式边缘计算转变。Brown 大学开发的神经形态传感器网络展示了这种趋势，其中每个传感器都具有独立的数据处理和通信能力，能够在边缘进行智能决策。

从单一功能到多功能集成：未来的集成电路将趋向于集成多种功能，如计算、通信、传感和电源管理。Brown 大学在混合信号电路设计方面的研究为此提供了技术基础，特别是在模拟 / 数字混合设计和系统级集成方面(93)。

4.2 应用需求驱动趋势

应用需求的变化正在推动 Brown University 集成电路研究向以下方向发展：

AI 算力需求爆发：随着人工智能应用的快速发展，对高能效 AI 芯片的需求急剧增长。Brown 大学的研究人员正在开发针对不同 AI 工作负载优化的专用芯片架构，包括用于推理的低功耗处理器和用于训练的高性能加速器。

IoT 设备大规模部署：物联网设备的普及对超低功耗、高集成度的芯片提出了新要求。研究团队正在开发能够在能量收集条件下工作的传感器节点，以及支持大规模无线传感器网络的通信芯片。

医疗健康智能化：人口老龄化和慢性病管理需求推动了医疗电子设备的智能化发展。Brown 大学在脑机接口、可穿戴设备和植入式医疗设备方面的研究正在向更高集成度、更低功耗和更强智能化方向发展。

可持续发展要求：环保和可持续发展要求推动了绿色芯片设计技术的发展。研究人员正在开发能够在极端温度和恶劣环境下工作的芯片，以及采用可回收材料的新型器件结构。

4.3 战略布局趋势

Brown University 在集成电路领域的战略布局呈现以下趋势：

跨学科融合深化：未来的研究将更加注重工程与生命科学、计算机科学、物理学等学科的交叉融合。例如，神经工程与集成电路设计的结合产生了脑机接口芯片，物理学与电子学的结合推动了新型器件的开发(28)。

产学研合作加强：学校正在加强与产业界的合作，特别是在技术转移和商业化方面。BrainGate 系统的成功商业化展示了这种合作模式的潜力。未来将有更多研究成果通过技术许可、创业公司等方式转化为实际产品。

国际合作拓展：Brown University 正在扩大与国际研究机构的合作，特别是在前沿技术研究方面。例如，与复旦大学在 SOI 隧穿器件方面的合作，以及与 INP-Grenoble/Minatec 在先进半导体技术方面的合作(28)。

新兴领域布局：学校正在积极布局量子计算、光计算、生物计算等新兴领域。这些领域虽然还处于早期阶段，但代表了未来计算技术的发展方向，Brown 大学通过招聘具有相关背景的新教师来加强在这些领域的研究能力。

五、研究方向对比分析

六、结论与展望

Brown University 在集成电路领域展现出了强大的研究实力和多元化的发展格局。从本科生的基础培养到研究生的专业训练，再到教职人员的前沿探索，形成了完整的人才培养和技术创新体系。学校在 AI 芯片、物联网和医疗电子三个重点应用领域都取得了重要突破，特别是在脑机接口技术方面处于世界领先地位。

展望未来，Brown University 集成电路研究将继续沿着技术创新与应用需求相结合的道路发展。在技术层面，从传统 CMOS 向新兴器件技术的转变、从通用架构向专用架构的演进、从集中式向分布式系统的发展，都将推动集成电路技术向更高水平迈进。在应用层面，AI 算力需求的爆发、IoT 设备的大规模部署、医疗健康的智能化发展，为集成电路研究提供了广阔的应用场景和发展机遇。

对于有意向在集成电路领域深造或开展研究的学生和研究人员，Brown University 提供了丰富的学习资源和研究机会。学校拥有世界一流的研究设施、优秀的师资队伍和活跃的学术氛围，特别是在跨学科研究方面具有独特优势。通过参与学校的研究项目，学生不仅能够掌握扎实的理论知识，还能获得宝贵的实践经验，为未来的职业发展奠定坚实基础。

Brown University 集成电路领域的研究正在向更高集成度、更低功耗、更强智能化的方向发展，同时注重技术创新与社会需求的结合，致力于为人类社会的进步做出贡献。随着技术的不断进步和应用领域的持续拓展，Brown University 有望在未来的集成电路技术发展中发挥更加重要的引领作用。