神经拟态的类脑计算研究.pdf

专题 第 11 卷  第10 期  2015 年 10 月 神经拟态的类脑计算研究 顾宗华　潘　纲　 关键词 ：类脑计算　脉冲神经网络　脑机融合 浙江大学 引言 主要思想与发展历史 （约1015 个突触）、低运算频率（约 100Hz)、低通信速度 （每秒钟几 基于冯 ·诺伊曼体系结构的 神经拟态的类脑计算的基本 2 米）、低功耗 （约20 瓦）。有研 处理器性能随着摩尔定律的持续 思路是将生物神经网络的概念应 [18] 究者 提出了一个用于比较人 而不断提高。2004~2005 年，登 用于计算机系统设计，针对智能 脑与计算机性能的指标——一个 纳德缩放比例定律(Dennard Scal- 信息处理的特定应用来提高性能 大型随机图上 “每秒穿越的边的 ing)1 失效，功耗与散热等问题使 与降低功耗。冯 ·诺伊曼体系结 个数”(Traversed Edges Per Sec- 得芯片设计者开始将目光转向多 构的基本特征是内存与计算单元 ond , TEP S) ，其基本思路是神经 核和众核。但现代的大型众核芯 分离，优点是软件化、可编程， 元之间通信的一次脉冲(spike) ， 片会出现暗硅(dark silicon) 问题， 同一硬件平台可以通过存储不同 类似于在图上穿越一个边。基于 功耗与散热问题导致众核芯片上 的软件来实现不同的功能 ；缺点 TEP S 指标，人脑的运算速度是 的大部分内核不能全部同时开启 是存储单元与计算单元之间的通 当今最快的超级计算机的30 倍。 [1] 运行。有研究者 认为，功耗问 信延迟可能成为性能瓶颈，出 类脑计算的愿景是实现新一 题将终结多核的可伸缩性，单个 现 “内存墙”问题。而生物神经 代计算机体系结构，设计出可以 芯片上的内核个数将不再增加。 网络的基本特征是 “内存与计算 与人脑相媲美的、高效节能的通 摩尔定律在持续50 年后，由于 单元合二为一”。神经元既有计 用计算机系统。与电脑相比，人 技术与经济两方面的原因，被普 算功能，又有存储功能，从根本 脑在精确数值的计算方面性能较 遍认为将于2020 年左右走到尽 上解决了冯 ·诺伊曼体系架构的 差，但是在智能模糊信息处理方 [7] 头 。随着摩尔定律逐步走向终 “内存墙”问题。人脑是一部极 面 （例如图像中的物体识别、视 结，半导体行业在后摩尔定律时 其高效的 “计算机”，其特征与 频音频理解、自然语言处理等应 代将如何发展？不同领域的研究 优势包括 ：通过与外界交互自主 用 ）具有独特的优势。IBM 的 者有不同的答案。针对这一问题， 学习 （无须显式编程）、高度容 深蓝电脑早在 1997 年就击败了 本文将介绍神经拟态的类脑计算 错 （容忍大量神经元的死亡而不 国际象棋冠军加里 ·卡斯帕罗夫 方面的主要思想、现有工作与未 影响其基本功能）、高度并行性 (Garry Kasparov) ，其工作原理是 来面临的挑战。 （约1011 个神经元）、高度连接性 采用并行处理器的暴力搜索。但 1 登纳德缩放比例定律，指晶体管的尺寸在不断缩小的同时其功耗密度大致保持不变。 2 基于冯 ·诺伊曼体系结构建造一个与人脑复杂程度相当的计算机，需要将近100兆瓦的功耗。 10 第 11 卷  第10 期  2015 年 10 月