39、基于事件的神经形态系统与硬件基础设施发展

基于事件的神经形态系统与硬件基础设施发展

1. CAVIAR跟踪系统输出分析

CAVIAR跟踪系统的各个定制芯片输出有着独特的分析价值。以20毫秒的输出快照为例，视网膜中心点视角会动态改变以追踪小圆圈，使其始终处于视野中心。这些输出会被发送到学习系统，该系统由映射器（12）、延迟线芯片（13）、另一个映射器（14）和学习分类器芯片（15）组成，用于将轨迹分类为不同类别。

从输出的直方图来看，不同的事件有不同的表示：
- DVS视网膜输出直方图 ：白色点代表正符号事件（从暗到亮的转变），黑色点代表负符号事件（从亮到暗的转变），由此可识别几何图形的运动方向，在这个例子中是顺时针方向。
- 64×64卷积PCB输出直方图 ：内核被编程用于检测小圆圈。正符号事件（白色）显示小圆圈的中心位置，负事件（黑色）显示其不在的位置。卷积输出包含一些噪声，会通过WTA操作过滤掉。之后，卷积输出像素会通过映射器（8）从64×64的大小转换为32×32（将2×2像素组合为一个）。
- WTA计算阶段输出 ：所有噪声都被过滤掉。白色像素显示小圆圈的质心，黑色像素显示每个象限的局部和全局抑制单元的活动。

2. FPGA在神经形态工程中的应用

FPGA（现场可编程门阵列）在神经形态工程领域有活跃的应用社区。与全定制VLSI芯片设计（包括数字和模拟）相比，FPGA设备能实现更快的系统设计、调试和测试工作流程。

2.1 FPGA的发展历程

FPGA由Ross H. Freeman发明，他与Bernard