神经形态计算：从脉冲神经网络到边缘部署.pdfVIP

软件学报

ISSN

1000-9825,

CODEN

RUXUEWE-mail:

jos@

2025,36(4):1758−1795

[doi:

10.13328/ki.jos.007298]

[CSTR:

32375.14.jos.007298]

©中国科学院软件研究所版权所有.Tel:

+86-10

*

神经形态计算:从脉冲神经网络到边缘部署

1,21,31,21,34

俞诗航,

易梦军,

吴

洲,

申富饶,

赵

健

1(计算机软件新技术国家重点实验室(南京大学),

江苏

南京

210023)

2(南京大学

计算机学院,

江苏

南京

210023)

3(南京大学

人工智能学院,

江苏

南京

210023)

4(南京大学

电子科学与工程学院,

江苏

南京

210023)

通信作者:

申富饶,

E-mail:

frshen@;

赵健,

E-mail:

jianzhao@

摘要:

受生物神经系统启发,

神经形态计算的概念于20世纪80年代被提出,

旨在模拟生物大脑的结构和功能,

实现更高效、更具生物合理性的计算方式.

作为神经形态计算的代表模型,

脉冲神经网络(SNN)因其脉冲稀疏性,

事件驱动性、生物可解释性以及硬件契合性等优势,

在资源严格受限的边缘智能任务中得到了广泛应用.

针对脉

冲神经网络的边缘部署情况进行梳理和汇总,

首先从脉冲神经网络模型自身的原理出发,

论述脉冲神经网络的高

能效计算方式以及巨大的边缘部署潜力.

然后介绍当下常见的脉冲神经网络硬件实现工具链,

并重点对脉冲神经

网络在各类神经形态硬件平台的部署情况做详细的整理与分析.

最后,

考虑到硬件故障行为已发展为当下研究中

不可避免的问题,

对脉冲神经网络边缘部署时的故障与容错研究进行概述.

从软件模型原理到硬件平台实现,

全面

系统地介绍神经形态计算的最新进展,

分析脉冲神经网络边缘部署时遇到的困难与挑战,

并针对这些挑战给出未

来可能的解决方向.

关键词:

神经网络;

脉冲神经网络;

神经形态计算;

边缘智能

中图法分类号:

TP18

中文引用格式:

俞诗航,

易梦军,

吴洲,

申富饶,

赵健.

神经形态计算:

从脉冲神经网络到边缘部署.

软件学报,

2025,

36(4):

1758–1795.

/1000-9825/7298.htm

英文引用格式:

Yu

SH,

Yi

MJ,

Wu

Z,

Shen

FR,

Zhao

J.

Neuromorphic

Computing:

From

Spiking

Neural

Network

to

Edge

Deployment.

Ruan

Jian

Xue

Bao/Journal

of

Software,

2025,

36(4):

1758–1795

(in

Chinese).

/1000-9825/7298.htm

NeuromorphicComputing:FromSpikingNeuralNetworktoEdgeDeployment

1,21,31,21,34

YU

Shi-Hang,

YI

Meng-Jun,

WU

Zhou,

SHEN

Fu-Rao,

ZHAO

Jian

1(State

Key

Laboratory

for

Novel

Software

Technology

(Nanjing

University),

Nanjing

210023,

China)

2(School

of

Computer

Science,

Nanjing

Universit