加速型模拟神经形态计算
神经与进化计算
2020-03-27 v1 无序系统与神经网络
神经元与认知
摘要
本文介绍 BrainScales (BSS) 加速型模拟神经形态计算架构背后的概念。它描述了第二代 BrainScales-2 (BSS-2) 版本及其最新的仿真实现——HICANN-X 专用集成电路 (ASIC)，该电路作为欧洲人脑计划 (HBP) 内神经形态计算活动的一部分而开发。第一代采用 180nm 工艺实现，第二代使用 65nm 技术。这使得一个数字可塑性处理单元的集成成为可能，这是一种为加速型模拟神经形态系统中学习的计算需求而专门构建的高度并行微处理器。所提架构基于对神经元与突触的连续时间、模拟、物理模型实现，类似于附接在内建数字计算核上的模拟神经形态加速器。模拟部分在连续时间中仿真基于脉冲的神经网络动力学，而后者仿真发生在较慢时间尺度上的生物过程，如结构与参数变化。相较于生物时间尺度，该仿真被高度加速，即所有时间常数比生物中小数个数量级。可编程离子通道仿真与隔室间电导允许对非线性树突、反向传播动作电位以及 NMDA 与钙平台电位进行建模。为扩展模拟加速器的可用性，它还支持向量-矩阵乘法。由此，BSS-2 在同一基底上支持深度卷积网络的推理以及由复杂脉冲神经元集合构成的局部学习。
引用
@article{arxiv.2003.11996,
title = {Accelerated Analog Neuromorphic Computing},
author = {Johannes Schemmel and Sebastian Billaudelle and Phillip Dauer and Johannes Weis},
journal= {arXiv preprint arXiv:2003.11996},
year = {2020}
}