基于ZYNQ集群的神经形态计算加速研究与实现

作     者：张新伟 李康 郁龚健 刘家航 李佩琦 柴志雷 ZHANG Xinwei;LI Kang;YU Gongjian;LIU Jiahang;LI Peiqi;CHAI Zhilei

作者机构：江南大学物联网工程学院物联网技术应用教育部工程研究中心江苏无锡214122 数学工程与先进计算国家重点实验室江苏无锡214125 

基　　金：国家自然科学基金(No.61972180) 数学工程与先进计算国家重点实验室开放基金(No.2018A04) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2020年第56卷第21期

页      码：65-71页

摘      要：基于脉冲神经网络(SNN)的神经形态计算由于工作机理更接近于生物大脑,被认为有望克服深度学习的不足而成为解决人工智能问题的更佳途径。但是如何满足高性能、低功耗和适应规模伸缩需求是神经形态计算系统需要解决的挑战性问题。基于FPGA异构计算平台ZYNQ集群,在NEST类脑仿真器上,重点解决了具有脉冲时间依赖可塑性(STDP)突触计算复杂度高、并行度低、硬件资源占用大的问题。实验结果表明,设计的方法在8节点ZYNQ 7030集群上,性能是Xeon E5-2620 CPU的14.7倍。能效比方面,是Xeon E5-2620 CPU的51.6倍,是8节点ARM Cortex-A9的20.6倍。

主 题 词：神经形态计算 脉冲神经网络(SNN) 脉冲时间依赖可塑性(STDP) FPGA集群 NEST仿真器 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 080902[080902] 0809[工学-计算机类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3778/j.issn.1002-8331.1912-0339

馆 藏 号：203987103...