摘要：神经形态计算硬件是专为运行脉冲神经网络(spiking neural network,SNN)应用而设计的专用计算机系统.随着硬件资源规模的增大,神经元计算机能够支持更多数量的SNN应用并发运行,如何有效地为SNN应用分配神经形态计算硬件资源变得极具挑战性.首先提出一种神经元计算机操作系统的资源分配框架,在加载SNN应用到神经形态计算硬件时分配硬件资源以及建立对应的输入输出路由,实现了资源分配过程与编译器间的解耦.其次,创新性地引入了最大空矩形(maximum empty rectangle,MER)算法来处理神经形态计算硬件资源的动态分配问题;针对SNN应用的脉冲输入输出特性,提出了一种最小化脉冲输入输出通信代价的资源分配算法,旨在降低脉冲输入输出能耗、延迟和资源碎片.实验结果显示,所提算法比现有算法表现出较好的性能,其中脉冲输入输出平均延迟最高降低了81%,碎片率降低了92%.