2021類腦計(jì)算技術(shù)發(fā)展現(xiàn)狀及趨勢(shì)分析 SNN是未來(lái)信息技術(shù)智能化重點(diǎn)研究方向

• 2021年11月25日 WuYaNan來(lái)源：互聯(lián)網(wǎng) 1052 67
• 繁體

在現(xiàn)階段的社會(huì)發(fā)展過(guò)程中計(jì)算機(jī)科學(xué)技術(shù)在社會(huì)中的應(yīng)用具有極大的社會(huì)現(xiàn)實(shí)含義，不僅其在加速社會(huì)經(jīng)濟(jì)的道路上起到了積極的作用。計(jì)算機(jī)技術(shù)在發(fā)展的同時(shí)帶動(dòng)經(jīng)濟(jì)社會(huì)的進(jìn)步。

類腦計(jì)算技術(shù)未來(lái)發(fā)展趨勢(shì)是什么?在現(xiàn)階段的社會(huì)發(fā)展過(guò)程中計(jì)算機(jī)科學(xué)技術(shù)在社會(huì)中的應(yīng)用具有極大的社會(huì)現(xiàn)實(shí)含義，不僅其在加速社會(huì)經(jīng)濟(jì)的道路上起到了積極的作用。計(jì)算機(jī)技術(shù)在發(fā)展的同時(shí)帶動(dòng)經(jīng)濟(jì)社會(huì)的進(jìn)步。類腦計(jì)算是什么?類腦計(jì)算是指利用數(shù)字電路、模擬電路、數(shù)?；旌想娐坊蛐缕骷?lái)仿真生物神經(jīng)元以及神經(jīng)元間的突觸連接，進(jìn)而利用超大規(guī)模集成電路(Very Large Scale Integrated，VLSI)系統(tǒng)來(lái)模仿神經(jīng)系統(tǒng)中的神經(jīng)生物學(xué)結(jié)構(gòu)。簡(jiǎn)單來(lái)說(shuō)類腦計(jì)算就是通過(guò)對(duì)類腦計(jì)算進(jìn)行研究，能夠更好地理解腦計(jì)算模型，為實(shí)現(xiàn)類腦智能提供路徑。

2021類腦計(jì)算技術(shù)發(fā)展現(xiàn)狀及趨勢(shì)分析

類腦計(jì)算領(lǐng)域有三大板塊，第一，類腦計(jì)算算法、芯片、軟件工具鏈和系統(tǒng);第二，接口;第三，應(yīng)用。類腦計(jì)算機(jī)的基本元器件是模擬生物神經(jīng)元和突觸的神經(jīng)形態(tài)器件，其特征尺寸與生物對(duì)應(yīng)物相當(dāng)或更小，不僅可比晶體管更小，而且部分器件出錯(cuò)不影響系統(tǒng)基本功能。在類腦計(jì)算領(lǐng)域中自主開(kāi)發(fā)軟件工具鏈和類腦計(jì)算系統(tǒng)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(kāi)發(fā)也是基于Tensorflow架構(gòu)的。因此，未來(lái)，類腦計(jì)算模型方向研究任重道遠(yuǎn)，需尋求新突破。

類腦計(jì)算研究涉及的領(lǐng)域范圍廣泛，包括材料科學(xué)、神經(jīng)科學(xué)、電氣工程、計(jì)算機(jī)工程和計(jì)算機(jī)科學(xué)等。材料科學(xué)家研究、制造和表征可用于類腦器件的新材料，重點(diǎn)是展示與生物神經(jīng)系統(tǒng)相似特性的材料。神經(jīng)科學(xué)家提供可能在類腦計(jì)算意義上有用的新知識(shí)，并利用類腦計(jì)算系統(tǒng)來(lái)模擬和研究生物神經(jīng)系統(tǒng)。

電子和計(jì)算機(jī)工程師利用模擬電路、數(shù)字電路、數(shù)模混合電路和器件來(lái)構(gòu)造系統(tǒng)，模擬神經(jīng)系統(tǒng)的運(yùn)行過(guò)程，開(kāi)發(fā)由生物啟發(fā)的類腦計(jì)算系統(tǒng)。類腦計(jì)算系統(tǒng)的研究涉及到類腦處理器微體系結(jié)構(gòu)技術(shù)、體系結(jié)構(gòu)技術(shù)、類腦處理器配套的軟件工具鏈和基于脈沖神經(jīng)網(wǎng)絡(luò)的算法等研究領(lǐng)域。

由于傳統(tǒng)的計(jì)算機(jī)科學(xué)沒(méi)有相關(guān)的技術(shù)信息支撐，當(dāng)代的發(fā)展方向是積極向前的、相互融合的。不過(guò)由于當(dāng)代社會(huì)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(lái)越普遍的計(jì)算機(jī)科學(xué)在全世界范圍內(nèi)的迅猛發(fā)展，信息將可以被方便快捷的進(jìn)行傳播，有理由相信計(jì)算機(jī)技術(shù)將會(huì)帶動(dòng)社會(huì)經(jīng)濟(jì)更好發(fā)展，其對(duì)經(jīng)濟(jì)的發(fā)展將起到積極有效的作用。

根據(jù)中研普華研究院《2021-2025年國(guó)內(nèi)外類腦計(jì)算技術(shù)發(fā)展研究及趨勢(shì)預(yù)測(cè)報(bào)告》顯示：

脈沖神經(jīng)網(wǎng)絡(luò)相關(guān)技術(shù)發(fā)展

一、神經(jīng)形態(tài)運(yùn)算平臺(tái)

類腦運(yùn)算平臺(tái)或者類腦芯片， 是受到生物學(xué)腦工作機(jī)制啟發(fā)開(kāi)發(fā)的專用于為SNN提供計(jì)算的硬件系統(tǒng)。制作類腦芯片最具有挑戰(zhàn)性的是如何把不計(jì)其數(shù)spiking 神經(jīng)元和突觸放進(jìn)一個(gè)小小的芯片里并同時(shí)讓他們的鏈接結(jié)構(gòu)是可調(diào)整的。

最初，類腦芯片僅由科研學(xué)術(shù)機(jī)構(gòu)進(jìn)行探索。 由于研究人員已經(jīng)展示出這些出色的類似于大腦的計(jì)算模型的巨大潛力，因此許多大公司已開(kāi)始參與類腦芯片的開(kāi)發(fā)。

IBM在2014年開(kāi)發(fā)了TrueNorth芯片，它是美國(guó)國(guó)防高級(jí)研究計(jì)劃局SyNAPSE開(kāi)發(fā)計(jì)劃的一部分。 單個(gè)TruNorth芯片包含4096個(gè)計(jì)算核心，可以實(shí)現(xiàn)神經(jīng)突觸和神經(jīng)元排列的動(dòng)態(tài)映射。 每個(gè)內(nèi)核最多可將1024個(gè)軸突電路用于輸入連接，從而實(shí)現(xiàn)256個(gè)IF神經(jīng)元，這些神經(jīng)元組織為靜態(tài)隨機(jī)存取存儲(chǔ)器。 IBM TrueNorth系統(tǒng)的一個(gè)吸引人的功能是，單個(gè)芯片由54億個(gè)晶體管組成，僅消耗70mW的功率密度，僅占傳統(tǒng)計(jì)算單元的1/10000。

SpiNNaker NM平臺(tái)是由曼徹斯特大學(xué)的研究人員開(kāi)發(fā)的，曼徹斯特大學(xué)的研究人員是由歐盟資助的“人腦計(jì)劃” (Eupropean HBP)的一部分。 SpiNNaker為SNN的硬件實(shí)現(xiàn)提供ASIC解決方案。它利用多個(gè)ARM內(nèi)核和FPGA來(lái)配置硬件和PyNN軟件API，以實(shí)現(xiàn)平臺(tái)的可擴(kuò)展性。 ARM處理器使該平臺(tái)能夠以僅1毫秒的仿真時(shí)間步長(zhǎng)，以生物逼真的連通性配置數(shù)十億個(gè)脈沖神經(jīng)元。此外，第二代平臺(tái)SpiNNaker2仍在開(kāi)發(fā)中，它可以使用1000萬(wàn)個(gè)處理器來(lái)模擬更大，更復(fù)雜的SNN。除SpiNNaker之外，BrainScaleS 也是HBP項(xiàng)目的另一個(gè)類腦計(jì)算平臺(tái)。 BrainScaleS是使用晶圓級(jí)集成技術(shù)開(kāi)發(fā)的混合信號(hào)神經(jīng)形態(tài)芯片，該芯片允許利用4000萬(wàn)個(gè)突觸和多達(dá)18萬(wàn)個(gè)神經(jīng)元。正在設(shè)計(jì)下一代BarianScaleS，并將其命名為BrianScaleS-2，它能夠使用更復(fù)雜的神經(jīng)元模型，同時(shí)支持非線性突觸和定制結(jié)構(gòu)的神經(jīng)元。

SpiNNaker 平臺(tái)提供SNN的云仿真和計(jì)算平臺(tái)， 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(tái)上 上傳自己的代碼，結(jié)果會(huì)由云平臺(tái)返回， 前提是你的SNN需要是用PyNN構(gòu)建的。

斯坦福大學(xué)在類腦領(lǐng)域貢獻(xiàn)了兩個(gè)類腦硬件，分別是Neurogrid和Braindrop。 Neurogrid 中的神經(jīng)核由256x256制成的CMOS陣列構(gòu)成，該陣列可實(shí)現(xiàn)SNN的混合模數(shù)實(shí)現(xiàn)。 Neurogrid能夠以數(shù)百萬(wàn)個(gè)神經(jīng)元和數(shù)十億個(gè)突觸的能力提供生物學(xué)上合理的計(jì)算。 像Neurogrid一樣的Braindrop是一個(gè)混合信號(hào)NM處理器，但抽象程度很高。 Braindrop采用28納米FDSOI工藝進(jìn)行設(shè)計(jì)，并將4096個(gè)尖峰神經(jīng)元集成在單個(gè)芯片上，該芯片的神經(jīng)元容量有限，無(wú)法大規(guī)模實(shí)施SNN。

英特爾Loihi 類腦芯片是英特爾最近宣布的數(shù)字神經(jīng)計(jì)算平臺(tái)。 Loihi最吸引人的特點(diǎn)是芯片在線學(xué)習(xí)的潛力。 Loihi擁有一個(gè)特殊的可編程微代碼引擎，可以即時(shí)進(jìn)行SNN培訓(xùn)。 Loihi具有3個(gè)獨(dú)特的Lakemont NM核心，專門設(shè)計(jì)用于協(xié)助高級(jí)學(xué)習(xí)規(guī)則。 一個(gè)Loihi芯片中總共有128個(gè)NM內(nèi)核，能夠?qū)崿F(xiàn)130K LIF神經(jīng)元和130M突觸。 Loihi系統(tǒng)的最大大小可支持多達(dá)16個(gè)芯片的4096個(gè)片上內(nèi)核。

Brainchip公司開(kāi)發(fā)了名為Akida神經(jīng)形態(tài)計(jì)算平臺(tái)，該平臺(tái)可以使用一個(gè)NSoC有效地實(shí)現(xiàn)120萬(wàn)個(gè)神經(jīng)元和100億個(gè)突觸。 該平臺(tái)具有多個(gè)板載處理器，包括基于事件的處理，數(shù)字處理，存儲(chǔ)器，輸入/輸出接口和多芯片擴(kuò)展的功能。

圖表：各類芯片匯總

資料來(lái)源：中研普華產(chǎn)業(yè)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(jì)算中顯示出巨大的潛力。 例如浙江大學(xué)的達(dá)爾文芯片，其目標(biāo)是嵌入式低功耗應(yīng)用。 蘇黎世大學(xué)研究人員開(kāi)發(fā)的DYNAP-SEL結(jié)合了異步數(shù)字邏輯和模擬電路，以實(shí)現(xiàn)模擬SNN實(shí)現(xiàn)。 清華大學(xué)的研究人員成功設(shè)計(jì)了混合型天機(jī)芯片 ，該混合型既可以實(shí)現(xiàn)常規(guī)神經(jīng)網(wǎng)絡(luò)又可以實(shí)現(xiàn)SNN。

SNN是未來(lái)信息技術(shù)智能化重點(diǎn)研究方向

類腦科技也稱之為類腦計(jì)算，是科技領(lǐng)域中人工智能的新寵，和數(shù)據(jù)智能技術(shù)對(duì)比邏輯分析和推理能力更強(qiáng)，可以彌補(bǔ)數(shù)據(jù)智能的局限性和不足?？萍及l(fā)展在不斷前進(jìn)，人工智能成為了一個(gè)新興領(lǐng)域，目前大家所熟知的人工智能還是數(shù)據(jù)智能占比較多。

SNN是人工智能領(lǐng)域機(jī)器學(xué)習(xí)算法的一種，是計(jì)算機(jī)科學(xué)與生物神經(jīng)科學(xué)交叉而成的新興學(xué)科。相比于傳統(tǒng)的ANN，如各種深度學(xué)習(xí)網(wǎng)絡(luò)，SNN實(shí)現(xiàn)了更高級(jí)的生物神經(jīng)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(shù)向智能化發(fā)展的重點(diǎn)研究方向。

想了解更多關(guān)于類腦計(jì)算技術(shù)行業(yè)專業(yè)數(shù)據(jù)分析，請(qǐng)點(diǎn)擊查看中研普華研究院《2021-2025年國(guó)內(nèi)外類腦計(jì)算技術(shù)發(fā)展研究及趨勢(shì)預(yù)測(cè)報(bào)告》。

• 相關(guān)深度報(bào)告REPORTS

  

  2021版計(jì)算機(jī)仿真項(xiàng)目可行性專項(xiàng)研究及投資價(jià)值咨詢報(bào)告

  可行性研究是指在投資決策前，對(duì)與項(xiàng)目有關(guān)的資源、技術(shù)、市場(chǎng)、經(jīng)濟(jì)、社會(huì)等各方面進(jìn)行全面的分析、論證和評(píng)價(jià)，判斷項(xiàng)目在技術(shù)上是否可行、經(jīng)濟(jì)上是否符合，財(cái)務(wù)上是否盈利，并對(duì)多個(gè)可能的備...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡