2021類腦計算技術(shù)發(fā)展現(xiàn)狀及趨勢分析 SNN是未來信息技術(shù)智能化重點研究方向

• 2021年11月25日 WuYaNan來源：互聯(lián)網(wǎng) 1052 67
• 繁體

在現(xiàn)階段的社會發(fā)展過程中計算機科學技術(shù)在社會中的應(yīng)用具有極大的社會現(xiàn)實含義，不僅其在加速社會經(jīng)濟的道路上起到了積極的作用。計算機技術(shù)在發(fā)展的同時帶動經(jīng)濟社會的進步。

類腦計算技術(shù)未來發(fā)展趨勢是什么?在現(xiàn)階段的社會發(fā)展過程中計算機科學技術(shù)在社會中的應(yīng)用具有極大的社會現(xiàn)實含義，不僅其在加速社會經(jīng)濟的道路上起到了積極的作用。計算機技術(shù)在發(fā)展的同時帶動經(jīng)濟社會的進步。類腦計算是什么?類腦計算是指利用數(shù)字電路、模擬電路、數(shù)?；旌想娐坊蛐缕骷矸抡嫔锷窠?jīng)元以及神經(jīng)元間的突觸連接，進而利用超大規(guī)模集成電路(Very Large Scale Integrated，VLSI)系統(tǒng)來模仿神經(jīng)系統(tǒng)中的神經(jīng)生物學結(jié)構(gòu)。簡單來說類腦計算就是通過對類腦計算進行研究，能夠更好地理解腦計算模型，為實現(xiàn)類腦智能提供路徑。

2021類腦計算技術(shù)發(fā)展現(xiàn)狀及趨勢分析

類腦計算領(lǐng)域有三大板塊，第一，類腦計算算法、芯片、軟件工具鏈和系統(tǒng);第二，接口;第三，應(yīng)用。類腦計算機的基本元器件是模擬生物神經(jīng)元和突觸的神經(jīng)形態(tài)器件，其特征尺寸與生物對應(yīng)物相當或更小，不僅可比晶體管更小，而且部分器件出錯不影響系統(tǒng)基本功能。在類腦計算領(lǐng)域中自主開發(fā)軟件工具鏈和類腦計算系統(tǒng)也非常重要。其中目前所涉及的智能算法，還只是通用人工智能的算法，軟件開發(fā)也是基于Tensorflow架構(gòu)的。因此，未來，類腦計算模型方向研究任重道遠，需尋求新突破。

類腦計算研究涉及的領(lǐng)域范圍廣泛，包括材料科學、神經(jīng)科學、電氣工程、計算機工程和計算機科學等。材料科學家研究、制造和表征可用于類腦器件的新材料，重點是展示與生物神經(jīng)系統(tǒng)相似特性的材料。神經(jīng)科學家提供可能在類腦計算意義上有用的新知識，并利用類腦計算系統(tǒng)來模擬和研究生物神經(jīng)系統(tǒng)。

電子和計算機工程師利用模擬電路、數(shù)字電路、數(shù)?；旌想娐泛推骷順?gòu)造系統(tǒng)，模擬神經(jīng)系統(tǒng)的運行過程，開發(fā)由生物啟發(fā)的類腦計算系統(tǒng)。類腦計算系統(tǒng)的研究涉及到類腦處理器微體系結(jié)構(gòu)技術(shù)、體系結(jié)構(gòu)技術(shù)、類腦處理器配套的軟件工具鏈和基于脈沖神經(jīng)網(wǎng)絡(luò)的算法等研究領(lǐng)域。

由于傳統(tǒng)的計算機科學沒有相關(guān)的技術(shù)信息支撐，當代的發(fā)展方向是積極向前的、相互融合的。不過由于當代社會信息的共享性還有待于提高到新的階段，-些方面的信息受到一定的局限和壟斷性。伴隨著越來越普遍的計算機科學在全世界范圍內(nèi)的迅猛發(fā)展，信息將可以被方便快捷的進行傳播，有理由相信計算機技術(shù)將會帶動社會經(jīng)濟更好發(fā)展，其對經(jīng)濟的發(fā)展將起到積極有效的作用。

根據(jù)中研普華研究院《2021-2025年國內(nèi)外類腦計算技術(shù)發(fā)展研究及趨勢預(yù)測報告》顯示：

脈沖神經(jīng)網(wǎng)絡(luò)相關(guān)技術(shù)發(fā)展

一、神經(jīng)形態(tài)運算平臺

類腦運算平臺或者類腦芯片， 是受到生物學腦工作機制啟發(fā)開發(fā)的專用于為SNN提供計算的硬件系統(tǒng)。制作類腦芯片最具有挑戰(zhàn)性的是如何把不計其數(shù)spiking 神經(jīng)元和突觸放進一個小小的芯片里并同時讓他們的鏈接結(jié)構(gòu)是可調(diào)整的。

最初，類腦芯片僅由科研學術(shù)機構(gòu)進行探索。 由于研究人員已經(jīng)展示出這些出色的類似于大腦的計算模型的巨大潛力，因此許多大公司已開始參與類腦芯片的開發(fā)。

IBM在2014年開發(fā)了TrueNorth芯片，它是美國國防高級研究計劃局SyNAPSE開發(fā)計劃的一部分。 單個TruNorth芯片包含4096個計算核心，可以實現(xiàn)神經(jīng)突觸和神經(jīng)元排列的動態(tài)映射。 每個內(nèi)核最多可將1024個軸突電路用于輸入連接，從而實現(xiàn)256個IF神經(jīng)元，這些神經(jīng)元組織為靜態(tài)隨機存取存儲器。 IBM TrueNorth系統(tǒng)的一個吸引人的功能是，單個芯片由54億個晶體管組成，僅消耗70mW的功率密度，僅占傳統(tǒng)計算單元的1/10000。

SpiNNaker NM平臺是由曼徹斯特大學的研究人員開發(fā)的，曼徹斯特大學的研究人員是由歐盟資助的“人腦計劃” (Eupropean HBP)的一部分。 SpiNNaker為SNN的硬件實現(xiàn)提供ASIC解決方案。它利用多個ARM內(nèi)核和FPGA來配置硬件和PyNN軟件API，以實現(xiàn)平臺的可擴展性。 ARM處理器使該平臺能夠以僅1毫秒的仿真時間步長，以生物逼真的連通性配置數(shù)十億個脈沖神經(jīng)元。此外，第二代平臺SpiNNaker2仍在開發(fā)中，它可以使用1000萬個處理器來模擬更大，更復(fù)雜的SNN。除SpiNNaker之外，BrainScaleS 也是HBP項目的另一個類腦計算平臺。 BrainScaleS是使用晶圓級集成技術(shù)開發(fā)的混合信號神經(jīng)形態(tài)芯片，該芯片允許利用4000萬個突觸和多達18萬個神經(jīng)元。正在設(shè)計下一代BarianScaleS，并將其命名為BrianScaleS-2，它能夠使用更復(fù)雜的神經(jīng)元模型，同時支持非線性突觸和定制結(jié)構(gòu)的神經(jīng)元。

SpiNNaker 平臺提供SNN的云仿真和計算平臺， 這就意味著如果你想試試自己的SNN在硬件上效果如何的話。你可以去SpiNNaker 云平臺上 上傳自己的代碼，結(jié)果會由云平臺返回， 前提是你的SNN需要是用PyNN構(gòu)建的。

斯坦福大學在類腦領(lǐng)域貢獻了兩個類腦硬件，分別是Neurogrid和Braindrop。 Neurogrid 中的神經(jīng)核由256x256制成的CMOS陣列構(gòu)成，該陣列可實現(xiàn)SNN的混合模數(shù)實現(xiàn)。 Neurogrid能夠以數(shù)百萬個神經(jīng)元和數(shù)十億個突觸的能力提供生物學上合理的計算。 像Neurogrid一樣的Braindrop是一個混合信號NM處理器，但抽象程度很高。 Braindrop采用28納米FDSOI工藝進行設(shè)計，并將4096個尖峰神經(jīng)元集成在單個芯片上，該芯片的神經(jīng)元容量有限，無法大規(guī)模實施SNN。

英特爾Loihi 類腦芯片是英特爾最近宣布的數(shù)字神經(jīng)計算平臺。 Loihi最吸引人的特點是芯片在線學習的潛力。 Loihi擁有一個特殊的可編程微代碼引擎，可以即時進行SNN培訓。 Loihi具有3個獨特的Lakemont NM核心，專門設(shè)計用于協(xié)助高級學習規(guī)則。 一個Loihi芯片中總共有128個NM內(nèi)核，能夠?qū)崿F(xiàn)130K LIF神經(jīng)元和130M突觸。 Loihi系統(tǒng)的最大大小可支持多達16個芯片的4096個片上內(nèi)核。

Brainchip公司開發(fā)了名為Akida神經(jīng)形態(tài)計算平臺，該平臺可以使用一個NSoC有效地實現(xiàn)120萬個神經(jīng)元和100億個突觸。 該平臺具有多個板載處理器，包括基于事件的處理，數(shù)字處理，存儲器，輸入/輸出接口和多芯片擴展的功能。

圖表：各類芯片匯總

資料來源：中研普華產(chǎn)業(yè)研究院整理

除了這些類腦芯片外，仍有許多新興的類腦芯片在SNN計算中顯示出巨大的潛力。 例如浙江大學的達爾文芯片，其目標是嵌入式低功耗應(yīng)用。 蘇黎世大學研究人員開發(fā)的DYNAP-SEL結(jié)合了異步數(shù)字邏輯和模擬電路，以實現(xiàn)模擬SNN實現(xiàn)。 清華大學的研究人員成功設(shè)計了混合型天機芯片 ，該混合型既可以實現(xiàn)常規(guī)神經(jīng)網(wǎng)絡(luò)又可以實現(xiàn)SNN。

SNN是未來信息技術(shù)智能化重點研究方向

類腦科技也稱之為類腦計算，是科技領(lǐng)域中人工智能的新寵，和數(shù)據(jù)智能技術(shù)對比邏輯分析和推理能力更強，可以彌補數(shù)據(jù)智能的局限性和不足。科技發(fā)展在不斷前進，人工智能成為了一個新興領(lǐng)域，目前大家所熟知的人工智能還是數(shù)據(jù)智能占比較多。

SNN是人工智能領(lǐng)域機器學習算法的一種，是計算機科學與生物神經(jīng)科學交叉而成的新興學科。相比于傳統(tǒng)的ANN，如各種深度學習網(wǎng)絡(luò)，SNN實現(xiàn)了更高級的生物神經(jīng)元模擬水平，更容易模擬人腦低功耗高性能的處理方式，是信息技術(shù)向智能化發(fā)展的重點研究方向。

想了解更多關(guān)于類腦計算技術(shù)行業(yè)專業(yè)數(shù)據(jù)分析，請點擊查看中研普華研究院《2021-2025年國內(nèi)外類腦計算技術(shù)發(fā)展研究及趨勢預(yù)測報告》。

• 相關(guān)深度報告REPORTS

  

  2021版計算機仿真項目可行性專項研究及投資價值咨詢報告

  可行性研究是指在投資決策前，對與項目有關(guān)的資源、技術(shù)、市場、經(jīng)濟、社會等各方面進行全面的分析、論證和評價，判斷項目在技術(shù)上是否可行、經(jīng)濟上是否符合，財務(wù)上是否盈利，并對多個可能的備...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡