科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
