1、基于事件的神经形态系统：原理与应用探索

基于事件的神经形态系统：原理与应用探索

1. 起源与历史背景

神经形态系统的构建动机源于工程学和神经科学两个领域。在工程学方面，大脑解决复杂问题的方式启发了新的计算算法。然而，逆向工程大脑极具挑战性，因为大脑是生物进化的产物，并非人类工程师设计。在神经科学领域，理解大脑功能仍处于早期阶段，这是由于神经回路具有高度异质性和紧凑性。神经形态系统成为连接这两个宏伟目标的桥梁，通过构建基于神经架构的设备，我们不仅获得了新的工程能力，还获得了新的生物学见解。

早期，神经形态工程受Carver Mead 1989年关于模拟VLSI和神经系统的开创性著作启发。当时，尽管神经形态工程尚处于起步阶段，但该技术的优缺点已初现端倪。一方面，它有望实现大规模并行、低功耗且廉价的计算架构；另一方面，模拟VLSI芯片面临晶体管失配和噪声等技术挑战。大脑的存在证明了这些问题可以被克服，但找到实际解决方案却花费了比预期更长的时间。

与此同时，基于简化神经元模型模拟的神经网络革命也在兴起。1986年的《并行分布式处理》两卷本著作介绍了用于多层网络模型的两种新学习算法：误差反向传播和玻尔兹曼机。这些网络通过示例学习，与手工设计的工程系统不同。在过去25年中，整体计算能力提高了一百万倍，互联网上大量数据集的出现使得在简单模型神经元层次结构中进行深度学习变得强大且实用，至少在电力不受限制的情况下是如此。

2. 通信

2.1 地址 - 事件表示（AER）

地址 - 事件表示（AER）是神经形态系统中一种重要的通信方式。它的核心组件包括AER编码器、仲裁机制、编码机制等。
- AER编码器 ：负责将神经元的活