2021類腦計算技術發展現狀及趨勢分析 SNN是未來信息技術智能化重點研究方向

• 2021年11月25日 WuYaNan來源：互聯網 1052 67
• 繁體

在現階段的社會發展過程中計算機科學技術在社會中的應用具有極大的社會現實含義，不僅其在加速社會經濟的道路上起到了積極的作用。計算機技術在發展的同時帶動經濟社會的進步。

類腦計算技術未來發展趨勢是什么?在現階段的社會發展過程中計算機科學技術在社會中的應用具有極大的社會現實含義，不僅其在加速社會經濟的道路上起到了積極的作用。計算機技術在發展的同時帶動經濟社會的進步。類腦計算是什么?類腦計算是指利用數字電路、模擬電路、數模混合電路或新器件來仿真生物神經元以及神經元間的突觸連接，進而利用超大規模集成電路(Very Large Scale Integrated，VLSI)系統來模仿神經系統中的神經生物學結構。簡單來說類腦計算就是通過對類腦計算進行研究，能夠更好地理解腦計算模型，為實現類腦智能提供路徑。

2021類腦計算技術發展現狀及趨勢分析

類腦計算領域有三大板塊，第一，類腦計算算法、芯片、軟件工具鏈和系統;第二，接口;第三，應用。類腦計算機的基本元器件是模擬生物神經元和突觸的神經形態器件，其特征尺寸與生物對應物相當或更小，不僅可比晶體管更小，而且部分器件出錯不影響系統基本功能。在類腦計算領域中自主開發軟件工具鏈和類腦計算系統也非常重要。其中目前所涉及的智能算法，還只是通用人工智能的算法，軟件開發也是基于Tensorflow架構的。因此，未來，類腦計算模型方向研究任重道遠，需尋求新突破。

類腦計算研究涉及的領域范圍廣泛，包括材料科學、神經科學、電氣工程、計算機工程和計算機科學等。材料科學家研究、制造和表征可用于類腦器件的新材料，重點是展示與生物神經系統相似特性的材料。神經科學家提供可能在類腦計算意義上有用的新知識，并利用類腦計算系統來模擬和研究生物神經系統。

電子和計算機工程師利用模擬電路、數字電路、數模混合電路和器件來構造系統，模擬神經系統的運行過程，開發由生物啟發的類腦計算系統。類腦計算系統的研究涉及到類腦處理器微體系結構技術、體系結構技術、類腦處理器配套的軟件工具鏈和基于脈沖神經網絡的算法等研究領域。

由于傳統的計算機科學沒有相關的技術信息支撐，當代的發展方向是積極向前的、相互融合的。不過由于當代社會信息的共享性還有待于提高到新的階段，-些方面的信息受到一定的局限和壟斷性。伴隨著越來越普遍的計算機科學在全世界范圍內的迅猛發展，信息將可以被方便快捷的進行傳播，有理由相信計算機技術將會帶動社會經濟更好發展，其對經濟的發展將起到積極有效的作用。

根據中研普華研究院《2021-2025年國內外類腦計算技術發展研究及趨勢預測報告》顯示：

脈沖神經網絡相關技術發展

一、神經形態運算平臺

類腦運算平臺或者類腦芯片， 是受到生物學腦工作機制啟發開發的專用于為SNN提供計算的硬件系統。制作類腦芯片最具有挑戰性的是如何把不計其數spiking 神經元和突觸放進一個小小的芯片里并同時讓他們的鏈接結構是可調整的。

最初，類腦芯片僅由科研學術機構進行探索。 由于研究人員已經展示出這些出色的類似于大腦的計算模型的巨大潛力，因此許多大公司已開始參與類腦芯片的開發。

IBM在2014年開發了TrueNorth芯片，它是美國國防高級研究計劃局SyNAPSE開發計劃的一部分。 單個TruNorth芯片包含4096個計算核心，可以實現神經突觸和神經元排列的動態映射。 每個內核最多可將1024個軸突電路用于輸入連接，從而實現256個IF神經元，這些神經元組織為靜態隨機存取存儲器。 IBM TrueNorth系統的一個吸引人的功能是，單個芯片由54億個晶體管組成，僅消耗70mW的功率密度，僅占傳統計算單元的1/10000。

SpiNNaker NM平臺是由曼徹斯特大學的研究人員開發的，曼徹斯特大學的研究人員是由歐盟資助的“人腦計劃” (Eupropean HBP)的一部分。 SpiNNaker為SNN的硬件實現提供ASIC解決方案。它利用多個ARM內核和FPGA來配置硬件和PyNN軟件API，以實現平臺的可擴展性。 ARM處理器使該平臺能夠以僅1毫秒的仿真時間步長，以生物逼真的連通性配置數十億個脈沖神經元。此外，第二代平臺SpiNNaker2仍在開發中，它可以使用1000萬個處理器來模擬更大，更復雜的SNN。除SpiNNaker之外，BrainScaleS 也是HBP項目的另一個類腦計算平臺。 BrainScaleS是使用晶圓級集成技術開發的混合信號神經形態芯片，該芯片允許利用4000萬個突觸和多達18萬個神經元。正在設計下一代BarianScaleS，并將其命名為BrianScaleS-2，它能夠使用更復雜的神經元模型，同時支持非線性突觸和定制結構的神經元。

SpiNNaker 平臺提供SNN的云仿真和計算平臺， 這就意味著如果你想試試自己的SNN在硬件上效果如何的話。你可以去SpiNNaker 云平臺上 上傳自己的代碼，結果會由云平臺返回， 前提是你的SNN需要是用PyNN構建的。

斯坦福大學在類腦領域貢獻了兩個類腦硬件，分別是Neurogrid和Braindrop。 Neurogrid 中的神經核由256x256制成的CMOS陣列構成，該陣列可實現SNN的混合模數實現。 Neurogrid能夠以數百萬個神經元和數十億個突觸的能力提供生物學上合理的計算。 像Neurogrid一樣的Braindrop是一個混合信號NM處理器，但抽象程度很高。 Braindrop采用28納米FDSOI工藝進行設計，并將4096個尖峰神經元集成在單個芯片上，該芯片的神經元容量有限，無法大規模實施SNN。

英特爾Loihi 類腦芯片是英特爾最近宣布的數字神經計算平臺。 Loihi最吸引人的特點是芯片在線學習的潛力。 Loihi擁有一個特殊的可編程微代碼引擎，可以即時進行SNN培訓。 Loihi具有3個獨特的Lakemont NM核心，專門設計用于協助高級學習規則。 一個Loihi芯片中總共有128個NM內核，能夠實現130K LIF神經元和130M突觸。 Loihi系統的最大大小可支持多達16個芯片的4096個片上內核。

Brainchip公司開發了名為Akida神經形態計算平臺，該平臺可以使用一個NSoC有效地實現120萬個神經元和100億個突觸。 該平臺具有多個板載處理器，包括基于事件的處理，數字處理，存儲器，輸入/輸出接口和多芯片擴展的功能。

圖表：各類芯片匯總

資料來源：中研普華產業研究院整理

除了這些類腦芯片外，仍有許多新興的類腦芯片在SNN計算中顯示出巨大的潛力。 例如浙江大學的達爾文芯片，其目標是嵌入式低功耗應用。 蘇黎世大學研究人員開發的DYNAP-SEL結合了異步數字邏輯和模擬電路，以實現模擬SNN實現。 清華大學的研究人員成功設計了混合型天機芯片 ，該混合型既可以實現常規神經網絡又可以實現SNN。

SNN是未來信息技術智能化重點研究方向

類腦科技也稱之為類腦計算，是科技領域中人工智能的新寵，和數據智能技術對比邏輯分析和推理能力更強，可以彌補數據智能的局限性和不足。科技發展在不斷前進，人工智能成為了一個新興領域，目前大家所熟知的人工智能還是數據智能占比較多。

SNN是人工智能領域機器學習算法的一種，是計算機科學與生物神經科學交叉而成的新興學科。相比于傳統的ANN，如各種深度學習網絡，SNN實現了更高級的生物神經元模擬水平，更容易模擬人腦低功耗高性能的處理方式，是信息技術向智能化發展的重點研究方向。

想了解更多關于類腦計算技術行業專業數據分析，請點擊查看中研普華研究院《2021-2025年國內外類腦計算技術發展研究及趨勢預測報告》。

• 相關深度報告REPORTS

  

  2021版計算機仿真項目可行性專項研究及投資價值咨詢報告

  可行性研究是指在投資決策前，對與項目有關的資源、技術、市場、經濟、社會等各方面進行全面的分析、論證和評價，判斷項目在技術上是否可行、經濟上是否符合，財務上是否盈利，并對多個可能的備...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡