9、神经形态计算与神经网络训练、映射技术解析

神经形态计算与神经网络训练、映射技术解析

1. TEMPO项目概述

TEMPO项目旨在开发高效低功耗的神经形态硬件，结合先进技术实现硬件集成。其算法目标包括：
- 剖析目标神经形态算法的计算/内存瓶颈。
- 确定需要硬件支持的算法区域。
- 明确集成神经形态实现的复杂度。

同时，TEMPO致力于让应用更便捷地使用新的神经形态技术，目标如下：
- 将应用范围扩展到需要（超）高吞吐量和高复杂度的领域，如高吞吐量成像、自动驾驶车辆、视觉机器人等。
- 创建连接目标神经形态算法和目标应用的演示设计流程和工具流程。
- 在新兴技术样本可用之前，对设计和工具流程进行原型设计，以展示目标神经形态应用的实时特性。
- 通过使用或模拟拟议神经形态构建块的功能演示器，在最先进的基准测试中展示集成神经形态内核的可行性和有效性。

2. 神经形态计算格局中的TEMPO定位

神经形态计算有多种形式和成熟度。从实现方式看，可依赖模拟、数字或混合硬件技术；从算法角度，范围可从计算密集型的深度学习算法到基于事件的处理，如脉冲神经网络（SNN）算法。

TEMPO覆盖了完整的脑启发计算领域，算法上从深度学习推理引擎到探索性SNN，实现上从标准数字到混合信号或模拟实现。其目标是大规模并行计算机架构，模仿人类大脑由数十亿个简单计算元素通过不可靠脉冲通信的实现方式。

3. 内存技术评估与应用

TEMPO项目将在设备、架构和应用层面评估现有内存技术，并为欧洲人工智能硬件平台构建和扩展技术路线图。项目将利用磁阻随机存取存储器（MRAM）、铁电随机存取存储器（FeRAM）和