摘要：类脑计算是一个涉及到多领域、多学科的新兴领域,对计算神经科学、人工智能和新型体系结构设计都具有重要的支持和启发意义.但是类脑计算系统领域发展所面临的重要问题之一是软硬件紧耦合.近期的一项研究提出了神经形态完备性的概念,为实现类脑计算系统领域的软硬件解耦合提供了理论支持,并作为样例研究提出了对应的系统层次结构设计.作为这一工作的后续,首先对神经形态完备性和类脑计算层次结构中部分关键的概念进行了阐述与讨论,之后进一步提出了在这一概念和体系结构设计下,实现支持软硬件解耦合的类脑计算硬件设计方法的构想,即由执行原语集合设计以及硬件实现方法设计组成的迭代调整的设计流程.最后,展示了正在进行的基于FPGA的相应评估平台工作.这一硬件设计方法有助于实现神经形态完备的高效原语集合和芯片设计,从而有利于实现类脑计算系统领域的软硬件解耦合.

摘要：为把握忆阻类脑芯片发展现状并总结其发展趋势,对现有忆阻类脑计算芯片与架构进行了调研,对芯片中所采用的忆阻器阵列结构和集成工艺、前神经元电路、后神经元电路、多阵列互连拓扑结构与数据传输策略,以及芯片设计过程中所采用的系统仿真和评估方法进行了对比分析。总结出当前忆阻类脑计算芯片电路设计仍需解决忆阻器可用阻态少、器件参数波动性大、阵列外围电路复杂、集成规模小等问题,并指出了该类芯片走向实际应用仍然面临着忆阻器生产工艺提升、完善开发工具支持、专用指令集开发、确定典型牵引性应用等挑战。

摘要：深度神经网络在实际应用中的局限性日益凸显,具备生物可解释性的类脑计算脉冲神经网络成为了人们研究的热点课题。应用场景的不确定性及复杂多样性给研究者提出了新的挑战,要求类似生物大脑组织具备多尺度架构的类脑计算脉冲神经网络,能够实现对多模态、不确定性信息的感知决策功能。文中主要介绍了多尺度生物合理性的类脑计算脉冲神经网络模型及其面向多模态信息表征和不确定信息感知的学习算法,并分析探讨了基于忆阻器互联的脉冲神经网络可实现多尺度架构类脑计算的两个关键技术问题,即多模态、不确定信息与脉冲时序表示一致性问题和多尺度脉冲神经网络学习算法与容错计算问题。最后,对类脑计算脉冲神经网络的研究方向进行了分析与展望。

摘要：目前,类脑计算所面临的最具挑战性的问题之一是如何高性能且低功耗地进行大规模类脑仿真。本文选用应用生态完整、支持大规模仿真的NEST类脑仿真器,针对NEST类脑仿真器可移植性差、仿真速度慢等问题,设计了一种ARM+FPGA的类脑计算平台的通用性系统架构。本设计采用硬件加速神经元计算模块、通用数据传输接口设计、软硬件协同设计等方法提升了NEST类脑仿真器的性能。在3款类脑计算平台上证明了该架构的可行性,为类脑计算平台提供了一种通用解决方案。

摘要：类脑计算是借鉴人脑存储处理信息的方式,面向人工通用智能发展的新型计算技术,类脑计算系统是基于神经形态工程,打破"冯·诺依曼"架构束缚、适于实时处理非结构化信息、具有学习能力的超低功耗新型计算系统。它是人工通用智能的基石,拥有极为广阔的应用前景。这项研究目前处于起步阶段,尚未形成公认技术方案。本文将从为什么(why)、做什么(what)和怎样做(how)三方面,总结分析类脑计算及芯片面临的挑战和可能的解决方法,重点介绍天机类脑计算芯片和系统,探讨如何利用软硬件结合发展人工通用智能。

摘要：类脑计算领域目前的研究主要聚焦于如何进行高性能且低功耗的大规模类脑仿真.NEST类脑仿真器应用生态完整,可支持大规模仿真并且具有良好的可扩展性,是目前类脑计算领域中应用最为广泛的仿真器.针对NEST仿真器进行大规模仿真时运行速度慢、运行功耗高的问题,设计并实现了基于异构计算平台的NEST类脑仿真器.本设计采用硬件加速神经元更新、数据重排序设计、多线程设计、软硬件协同设计等方法优化了系统整体性能,在保证NEST仿真器良好应用生态的同时获得更高的计算能效.通过在Xilinx ZCU102异构计算平台上实现该仿真器,实验结果表明:在对经典的类脑应用皮质层视觉模型进行仿真时,神经元更新部分性能是AMD3600X的11.9倍,PYNQ集群的1.2倍,能效是AMD3600X的57.9倍、PYNQ集群的3.1倍;NEST仿真器整体性能是AMD3600X的2.0倍,PYNQ集群的2.1倍,能效是AMD3600X的10.1倍、PYNQ集群的5.8倍,为基于NEST进行大规模类脑仿真提供了一种更高能效的方式.

摘要：随着现代社会进入信息化与智能化时代,神经形态计算以高度的并行、极低的功耗和存算一体的特征受到了广泛的关注。本文着眼于未来神经形态器件和类脑智能的发展需求,对建立全数字电路的类脑计算硬件系统展开研究,以脉冲神经网络H-H(Hodgkin-Huxley)神经元模型为研究对象,将DSP Builder平台与Quartus平台相结合,设计出H-H神经元模型的数字电路,并对其进行了性能测试。结果表明,基于现场可编程门阵列(FPGA)硬件设计的神经元数字电路其工作特性与理论仿真结果高度一致,具有良好的生物特性,为建立类脑计算硬件系统提供新思路。

摘要：针对当前超维计算(hyperdimensional computing,HD)中大多数方法计算量大、效率低的问题,提出了一种基于分组量化的高效超维计算分类方法,在保证准确性的情况下提高HD模型的计算效率.该方法首先使用点积操作替代余弦相似度运算来降低HD计算推理阶段的计算量;其次,考虑到查询超向量的相似度计算随着类数的增加而增加,设计了一个分组查询方案,通过检查类的子集来减少相似度计算;最后,使用双值2次幂的量化方式来消除推理阶段的乘法运算,进一步提高计算速度.实验结果表明,与其他HD计算模型相比,所提方法性能优良,在相同的精度水平下,明显降低了能耗和执行时间.

摘要：现有的红外与可见光图像融合算法往往将日间场景与夜间场景下的图像融合视为同一个问题,这种方式忽略了在日间场景与夜间场景下进行图像融合的差异性,使得算法融合性能受限。生物视觉系统强大的自适应特性能够在不同场景下最大限度地捕获输入视觉刺激中的有效信息,实现自适应的视觉信息处理,有可能为实现性能更为优异的红外与可见光图像融合算法带来新的思路启发。针对上述问题,该文提出一种视觉多通路机制启发的多场景感知红外与可见光图像融合框架。其中,受生物视觉多通路特性启发,该文框架中设计了分别感知日间场景信息与夜间场景信息的两条信息处理通路,源图像首先分别输入感知日间场景信息与感知夜间场景信息的融合网络得到两幅中间结果图像,而后再通过可学习的加权网络生成最终的融合图像。此外,该文设计了模拟生物视觉中广泛存在的中心-外周感受野结构的中心-外周卷积模块,并将其应用于所提出框架中。定性与定量实验结果表明,该文所提方法在主观上能够显著提升融合图像的图像质量,同时在客观评估指标上优于现有融合算法。

摘要：随着大数据时代的到来和人类对人脑系统研究的日渐深入,类脑计算领域的研究取得突破性进展,有希望在根源上打破传统计算机的性能瓶颈.神经突触是对人体脑部进行记忆能力训练和处理数据的重要基础单元,因此开发新材料、新结构,研究基于新型人造材料与光电子器件的神经突触可塑性,对神经形态器件研究和类脑硬件设计的实现都有着重要意义.本文首先指出目前“冯·诺依曼架构”的主要性能瓶颈,引出类脑计算的概念,提出神经形态器件的主要性能优势,并梳理神经形态器件发展历史;然后在忆阻器领域,阐述与分析忆阻类型、忆阻结构与忆阻机理,比较出几种忆阻器的特性,举例说明忆阻器在不同领域的应用;接着以神经形态器件为基础,选取磁性隧道结、新型浮栅管和铁电晶体管,介绍其结构、工作原理与应用;最后总结目前神经形态器件发展的成果和方向,并对行业发展前景进行预测.