物端神经形态类脑芯片设计综述

作     者：钟正青 王腾霄 刘力源 吴南健 田敏 石匆 ZHONG Zhengqing;WANG Tengxiao;LIU Liyuan;WU Nanjian;TIAN Min;SHI Cong

作者机构：重庆大学微电子与通信工程学院重庆400044 中国科学院半导体研究所北京100083 

基　　金：国家重点研发计划(2019YFB2204303) 国家自然科学基金项目联合基金项目(重点支持项目)(U20A20205) 重庆市自然科学基金重点项目(cstc2019jcyj-zdxm X0017 cstc2021ycjh-bgzxm0031) 重庆市自然科学基金博士后项目(cstc2021jcyj-bsh0126) 中国科学院计算技术研究所计算机体系结构国家重点实验室开放课题(CARCH201908) 重庆市先锋电子研究院资助课题(H20201100)项目资助 

出 版 物：《微纳电子与智能制造》 (Micro/nano Electronics and Intelligent Manufacturing)

年 卷 期：2022年第4卷第3期

页      码：19-30页

摘      要：本文简述目前物端神经形态类脑芯片设计的研究现状,首先回顾了目前已发表的神经形态类脑芯片,总结了其特点和局限性,然后简要介绍了脉冲神经网络的基础知识,包括脉冲神经网络的经典神经元模型、网络拓扑结构以及仿生学习算法。接下来重点介绍了目前最新发表的片上实时强化学习物端类脑芯片、片上三重类脑学习物端类脑芯片、视觉压缩感知识别物端类脑芯片以及片上多层脉冲神经网络(spiking neural network,SNN)学习物端类脑芯片4款物端神经形态类脑芯片的算法优化方案、芯片架构和电路设计、以及现场可编程门阵列(field programmable gate array,FPGA)原型或实际制造芯片测试结果。所介绍的神经形态类脑芯片均具备片上实时学习功能,且在各类基准数据集上都实现了较高的识别准确率。同时,提出的芯片架构均为较低成本,能达到相对较高的处理速度,同时还具有较为灵活的可扩展性和可配置性,能够适用于不同的物端智能应用场景,为目前研究领域面临的挑战提供了可行的解决方案。最后指出了目前物端神经形态类脑芯片设计领域发展中的核心瓶颈,并介绍了初步的解决方案。未来将围绕这些方向开展研究,设计新一代高性能物端神经形态类脑芯片。

主 题 词：类脑芯片 脉冲神经网络 神经形态芯片 片上学习 类脑计算 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.19816/j.cnki.10-1594/tn.2022.03.019

馆 藏 号：203122650...