类脑运算--脉冲神经网络（Spiking Neural Network）发展现状

最新推荐文章于 2025-10-10 14:59:51 发布

原创

最新推荐文章于 2025-10-10 14:59:51 发布 · 1.7w 阅读

216 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #芯片 #传感器

本文探讨了脉冲神经网络（SNN）的发展现状，包括神经形态运算平台、传感器、仿真软件及应用。SNN作为第三代人工神经网络，具有低功耗、高速度等优势，正逐渐应用于目标传感与低功耗设备。

类脑运算–脉冲神经网络（Spiking Neural Network）发展现状

前一段时间忙于博士论文的攥写和答辩，抱歉拖更

继上一章：
类脑运算–脉冲神经网络（Spiking Neural Network）叙述

SNN是第三代人工神经网络（ANN），是一类event驱动的神经形态算法，可能具有广泛的应用领域，并适用于各种极低功耗的神经形态硬件。现阶段SNN 的应用落地和算法发展方兴未艾，工业界和学术界近几年来对其的探索和研发也从未停止。这篇文章会从以下几个方面讨论类脑运算技术的发展概况。

神经形态运算平台（Neuromorphic Computing Platform）
神经形态传感器（Neuromorphic Sensor）
SNN仿真软件（SNN simulators）
类脑运算的应用

神经形态运算平台（Neuromorphic Computing Platform）

类脑运算平台或者类脑芯片，是受到生物学脑工作机制启发开发的专用于为SNN提供计算的硬件系统。制作类脑芯片最具有挑战性的是如何把不计其数spiking 神经元和突触放进一个小小的芯片里并同时让他们的链接结构是可调整的。

最初，类脑芯片仅由科研学术机构进行探索。由于研究人员已经展示出这些出色的类似于大脑的计算模型的巨大潜力，因此许多大公司已开始参与类脑芯片的开发。

IBM在2014年开发了TrueNorth芯片，它是美国国防高级研究计划局SyNAPSE开发计划的一部分。单个TruNorth芯片包含4096个计算核心，可以实现神经突触和神经元排列的动态映射。每个内核最多可将1024个轴突电路用于输入连接，从而实现256个IF神经元，这些神经元组织为静态随机存取存储器。 IBM TrueNorth系统的一个吸引人的功能是，单个芯片由54亿个晶体管组成，仅消耗70mW的功率密度，仅占传统计算单元的1/10000。

TrueNorth 芯片
图：TrueNorth芯片

SpiNNaker NM平台是由曼彻斯特大学的研究人员开发的，曼彻斯特大学的研究人员是由欧盟资助的“人脑计划” （Eupropean HBP）的一部分。 SpiNNaker为SNN的硬件实现提供ASIC解决方案。它利用多个ARM内核和FPGA来配置硬件和PyNN软件API，以实现平台的可扩展性。 ARM处理器使该平台能够以仅1毫秒的仿真时间步长，以生物逼真的连通性配置数十亿个脉冲神经元。此外，第二代平台SpiNNaker2仍在开发中，它可以使用1000万个处理器来模拟更大，更复杂的SNN。除SpiNNaker之外，BrainScaleS 也是HBP项目的另一个类脑计算平台。 BrainScaleS是使用晶圆级集成技术开发的混合信号神经形态芯片，该芯片允许利用4000万个突触和多达18万个神经元