大规模神经形态脉冲阵列处理器：模拟大脑的探索
神经与进化计算
2018-05-24 v1
摘要
神经形态工程(neuromorphic engineering, NE)涵盖了一系列受神经生物系统启发的信息处理方法，这一特征使神经形态系统区别于传统计算系统。大脑经过数十亿年演化，通过高效、并行、低功耗的计算来解决困难的工程问题。NE的目标是设计具备类脑计算能力的系统。近年来涌现了众多大规模神经形态项目。这一跨学科领域被《麻省理工科技评论》列为2014年十大技术突破之一，并被世界经济论坛列为2015年十大新兴技术之一。NE具有双向目标：其一为科学目标，即利用集成电路中实现的模型理解生物神经系统的计算特性；其二为工程目标，即利用生物系统的已知特性设计并制造用于工程应用的高效器件。构建硬件神经仿真器对于模拟大规模神经模型以解释大脑中智能行为如何产生极为有用。神经形态仿真器的主要优势在于高能效、并行分布式以及所需硅面积小。因此，相较于传统CPU，这些神经形态仿真器在许多工程应用中具有优势，例如用于移植深度学习算法以完成各类识别任务。在本综述中，我们描述了若干最重要的神经形态脉冲仿真器，比较它们所采用的架构与方法，阐明其优缺点，并突出各自可为神经建模者提供的能力。
引用
@article{arxiv.1805.08932,
title = {Large-Scale Neuromorphic Spiking Array Processors: A quest to mimic the brain},
author = {Chetan Singh Thakur and Jamal Molin and Gert Cauwenberghs and Giacomo Indiveri and Kundan Kumar and Ning Qiao and Johannes Schemmel and Runchun Wang and Elisabetta Chicca and Jennifer Olson Hasler and Jae-sun Seo and Shimeng Yu and Yu Cao and André van Schaik and Ralph Etienne-Cummings},
journal= {arXiv preprint arXiv:1805.08932},
year = {2018}
}