研究院在主要研究方向领域：人工智能类脑芯片、计算机架构与算法、生物医疗芯片、深度学习算法与应用、脑神经信号采集与处理芯片、脑激励疾病控制芯片、基于应用的智能硬件等的基础上，分以下四个研究组展开研究。
一、软件与算法研究组
主要研究方向为人工智能算法及应用以及AI系统平台设计及优化。现有1名博士，9名研究生，主要领域包括计算机视觉和自然语言处理。算法组除了日常的实验室研究之外，还通过项目的方式与其他领域专家以及知名公司建立合作关系，可拓展学生视野，让学生快速成长。
• 算法的研究和应用主旨是研究最新的机器学习算法，包括但不限于深度神经网络、图网络、模式识别算法 ，并将算法应用在实际的图像视频及语音语言处理中。
• AI系统平台设计和优化主旨是利用最先进的机器学习算法，指导智能芯片的设计，在此基础上搭建一套面向机器学习应用的计算和数据平台，作为应用的底层硬件支撑。
1) 中山医院脑血管病神经损伤智能评估系统
建立智能化多维度神经功能损伤评估软件及体系，基于脑血管病人群前瞻性队列，采用同步盲法比较，验证其与专家组金标准的信度、效度及灵敏度，通过随访研究确立具有临床价值的智能评估客观化标准。
具体而言，主要是针对脑血管神经损伤病人进行画钟认知、言语表达以及行走步态三个方面的检查，采集病人的画钟图像，语音信息，以及行走视频，利用计算机视觉和自然语言处理技术进行病人认知和行为分析，按照专家提出的诊断标准进行客观化打分，智能化进行病情评估。
2) 基于类脑人工智能的舆情系统
以类脑认知计算以及分布式计算系统为共性研究基础，面向新闻媒体舆情分析和网络治理应用两大需求，研究包括新闻线索发现、新闻推荐、新闻影响力评价、虚假新闻甄别、舆情操纵发现、舆情洞察等在内的一系列关键问题，实现数据采集、数据清理、数据分析、数据可视化、舆情研判处置和应对组成的网络舆情分析“五部曲”，整合成为满足舆情3.0新特性以及媒体记者需求的舆情分析应用系统。
此项目囊括了人工智能算法、大数据分析、分布式高性能计算架构这三大领域内容。用分布式计算架构和类脑加速芯片满足应用的规模和性能需求，采用自然语言处理技术和复杂社交网络分析技术实现相应的数据分析需求，结合系统化工程化模块化的管理方法和开发流程，完成一套完整的高可用的智能舆情系统。
3) 基于类脑芯片与算法的神经元自动识别与跟踪系统开发
基于类脑算法和类脑芯片，开发自动识别神经元胞体、神经纤维投射及神经环路连接的系统，并应用此系统对小鼠大脑皮层GABA能投射神经元及其亚型的分布与连接图谱进行解析和比较。
由于细胞形态复杂、成像背景噪声和数据分辨率的各向异性等导致的连续图像目标不连贯等因素，较难应用传统计算模型对神经元的胞体和神经纤维进行精确识别。应用卷积神经网络（CNN）和递归神经网络（RNN）或其变种等类脑算法，通过对训练数据集的深度学习实现较为理想的自动识别、追踪和重构。利用对现有的软件和算法进行调研，针对脑图谱绘制的特殊要求，选择最佳类脑算法，构建合适的模型，综合利用公开数据库、已发表文章数据以及人工手动追踪的数据作为训练数据集，开发具有可视化、可交互界面的自动胞体识别和神经纤维追踪系统。
二、数字与系统研究组
该组研究方向先进工艺下的高能效超大规模数字集成电路与系统设计、实现与验证。目前主要致力于人工智能应用中的深度学习神经网络硬件加速芯片、IP和成套工具的研究，在研项目包括“类脑芯片与片上系统研究”、“基于高能效神经网络映射方法的人工智能处理器研究”等。项目组的核心研究子课题涵盖神经网络加速器架构设计、深度学习算法数据流规划、神经网络的压缩方法和稀疏性研究、神经网络的量化方法、面向神经网络的可重构硬件设计和流程开发、面向应用的神经网络片上加速系统设计等先进神经网络加速器设计的各个方面。
本项目组已经开发了基于深度学习神经网络特点的高能效探极系列芯片，其中探极3号芯片已经达到可以支持实时目标检测任务的运算能力。项目组提供数字集成电路前端RTL设计、后端物理实现、FPGA设计与板级验证等技能训练，欢迎有志于数字集成电路设计，特别是高能效人工智能加速器研究的同学加入。
三、模拟与射频研究组
自模拟与射频研究组成立以来，研究成果已连续2年（2018和2019年）被国际固态电路会议正刊录取（该会议简称ISSCC，是芯片设计领域的顶级会议，有“芯片设计奥林匹克运动会”之称），得到了世界范围内学术界和工业界的肯定。目前该课题组承担上海市科委重大专项 -“基于微芯片技术的脑活动多道记录系统芯片研发”，本项目目标是研究并设计出能够应用于生物科研的神经信号记录芯片。为了增加系统灵活性，芯片将采用无线供电及无线数据传输。由于无线供电最大接收能量的限制，研究的首要目标是降低系统整体功耗；其次针对神经信号及电极特点，需要有针对性地优化模拟前端噪声、输入阻抗、共模抑制比等参数；另外，为了方便多通道集成，需要尽可以降低单通道电路面积并研究探讨电路复用的可能性。
近期承担了上海科委“脑科学与类脑人工智能”重大专项，并得到了复旦大学领导们的鼎立支持。本研究组希望未来三到五年内能与志同道合的同学一起做出世界一流的科研成果。
主要研究方向（包括但不限于）如下：
1. 模拟芯片设计：包括高性能模拟前端放大器，电源管理模块和无线能量采集模块等。
2. 混合芯片设计：包括高性能（能效）时钟电路、全数字锁相环、高性能（能效）ADC、高速IO接口电路（serdes）、有线传输收发机和基于时域的混合信号卷积神经网络等。
3. 射频芯片设计：包括应用于物联网的高能效收发机、用于手势识别的高能效雷达收发机和高性能射频前端等。
四、智能硬件研究组
该组在科研和工程实践中实现创新，利用应用科学原理解决复杂工程问题。基于人工智能、物联网、深度学习算法、传感器、大数据等多领域的软硬件结合，充分利用新设计、新材料、新工艺等硬件技术，结合研究院自研芯片、脑机接口、算法革新、大数据积累等优势，加载互联网服务，形成云+端智能硬件架构。具体研究领域为智能机器人、智能个人终端、提供医疗功能的可穿戴设备等。
主要研究方向包括：
1、智能胸卡
2、脑机穿戴式
3、可穿戴式医疗生物传感器
4、智能认知功能诊断终端
5、图书馆、医疗场景机器人
6、小型机械臂
