面向类脑计算的低电压忆阻器研究进展

忆阻器是非易失性存储器和神经形态计算的优秀候选者.电压调制作为其关键性能策略,是获得纳瓦超低功耗、飞焦超低能耗工作的基础,有助于打破功耗墙、突破后摩尔时代算力瓶颈.然而基于高密度集成忆阻器阵列的类脑计算架构还需重点考虑开/关比、高速响应、保留时间和耐久性等器件稳定性参数.因此如何在低电场下实现离子/电子的高效、稳定驱动,构筑电压低于1 V的低电压、高性能忆阻器成为了当前实现类脑计算能效系统的关键问题.本文综述了近年来面向类脑计算的低电压忆阻器的研究进展.首先,探讨了低电压忆阻器的机制,包括电化学金属化机制和价态变化机制.在此基础上,系统总结了各材料体系在低电压忆阻器中的优势,涵盖了过渡金属氧化物、二维材料和有机材料等.进一步围绕材料工程、掺杂工程、界面工程提出了相应的低电压忆阻器实现策略,最后,展望了基于低电压忆阻器的类脑功能模拟及神经形态计算应用,并对现存问题和未来研究方向进行了讨论.

国外研究表明手性磁体材料可提高类脑计算适应性

英国伦敦大学学院、伦敦帝国理工学院领导的国际合作研究表明,利用手性(扭曲)磁体的内在物理特性,可提高机器学习任务适应性,大幅减少类脑计算的能源使用。研究结果发表在《自然·材料》杂志上。传统计算由于独立的数据存储和处理单元需要消耗大量电力。机器学习利用物理储层计算方法,消除对独特内存和处理单元的需求,促进更有效的数据处理方式,成为传统计算更可持续的替代方案。但该方法的缺陷在于缺乏可重新配置性,执行不同计算任务时效果存在差异,这是由材料物理特性导致的。

基于脉冲神经网络的类脑计算

针对当前重要国际科技前沿--类脑计算进行研究,讨论了类脑计算的研究内容、特点和研究现状.类脑计算不是简单的人脑神经元的模拟和神经元模型的应用,而是对人脑的信息处理规律、复杂的工作模式及思维、学习、推理、决策本质性机理的深层次模拟.脉冲神经网络比传统神经网络具有更好的生物似真性,并能同时融入时、空信息,更适用于受人类推理、判断、决策等思维过程启发的类脑计算.因此,介绍了脉冲神经网络的特点、脉冲神经元模型、脉冲编码,以及脉冲神经网络在模式识别等领域中的应用,并对基于脉冲神经网络的类脑计算方法和神经形态芯片的研究现状及未来的发展进行了讨论.基于脉冲神经网络的类脑计算会对未来的生活、经济发展产生深远影响.

基于文献计量的顶尖人才引进需求分析方法--以类脑计算领域为例

人才资源是实现百年科技强国目标的重要保障。本文在文献计量方法的基础上归纳总结出一套用于分析顶尖人才引进需求的3-F方法——聚焦领域研究热点前沿、挖掘领域顶尖人才分布、计算顶尖人才引进需求,并用该方法对类脑计算领域进行了分析。研究结果表明:目前类脑计算领域的研究热点前沿包括尖峰时间相关的可塑性、忆阻器、突触等;全球类脑计算领域顶尖人才主要分布在美国、德国、英国、法国、瑞士等国家;相对来说,我国在类脑计算领域的顶尖人才引进需求较为迫切,引才政策可适当考虑向该领域倾斜。

类脑计算研究进展

类脑计算是国际上的热门研究领域,也是人工智能发展的重要转折点。首先,回顾了近年来研究学者对局部脑功能运行机理的重要发现,并了解了其在类脑模型中的应用,如注意力机制和类脑导航等。随后阐述了神经形态计算芯片和人工神经元等类脑计算硬件的结构和特点,并对各国研究进展进行了简要梳理,从多个角度对类脑计算的研究内容、研究目标、研究方案和技术路线进行了全面总结。最后结合各国脑研究计划,分别从硬件和模型两个层面对芯片-算法兼容性及局部-全局整合等类脑计算的研究趋势进行了展望。

类脑计算:未来技术和产业“锻长板”突破口

新一轮科技革命催生的未来技术和新兴产业的国际竞争愈演愈烈。为实现中长期、可持续、动态化的科技自立自强,在攻克关键少数"卡脖子"领域的同时,更需要对未来技术和产业"锻长板",防范新一轮"卡脖子"问题,助推中国产业结构转型升级。作为被国际半导体协会认定为后摩尔时代最具发展潜力的颠覆性计算技术之一,类脑计算有望引领人工智能从专用走向通用阶段。目前,中国类脑计算技术已拥有局部优势,有望成为未来集成电路和人工智能领域的关键"长板",也为解决高端芯片"卡脖子"问题提供了"换道超车"的新路径。未来,应加快构建支持前沿技术创新的新型举国体制,有效推动类脑计算实现技术和产业化突破。

类脑计算

随着神经生物学研究中实验手段的不断进步,科学家对神经系统结构与功能的认识也在不断深入。由于神经系统是智慧的根本物质基础,因此相关基础研究的进步自然就带动了其他应用学科的发展。其中,神经生物学发现对人工智能研究的影响令人关注。毕竟人工智能最根本的目标就是让机器能够像人类大脑一样聪明地工作,这其实就是类脑计算,一个不算新,但又被不断刷新的领域。

类脑计算:人工智能发展的终极目标

近年来,随着大脑成像、脑机交互、生物传感、大数据处理等新技术不断涌现,脑科学与计算技术、人工智能、纳米材料、认知心理等学科的交叉融合,正酝酿着重大理论与技术突破,催生了新一代的类脑计算技术,为疾病诊断、智能机器人、通用人工智能等战略性新兴产业带来巨大的发展机遇。类脑计算已成为全球产业发展和升级新的爆发点和增长点。

面向类脑计算的物理电子学专题编者按

类脑计算技术作为一种脑启发的新型计算技术,具有存算一体、事件驱动、模拟并行等特征,为智能化时代开发高效的计算硬件提供了技术参考,有望解决当前人工智能硬件在能耗和算力方面的“不可持续发展”问题.硬件模拟神经元和突触功能是发展类脑计算技术的核心,而支持这一切实现的基础是器件以及器件中的物理电子学.

类脑计算新发展——“TrueNorth”神经元芯片

类脑计算是一种基于神经网络的全新数据存储和计算技术,通过模拟大脑的工作机理,可以突破传统计算机处理大型问题时遇到的冯·诺依曼瓶颈,在显著提高信息处理速度的同时大幅降低功耗,并且具有自我学习和自适应能力。介绍了IBM最新研究的TrueNorth神经元芯片技术,包括其基本架构、工作原理、芯片性能、应用成果等,并展望了类脑计算技术的未来发展前景。

实现软硬件解耦合的类脑计算硬件设计方法

类脑计算是一个涉及到多领域、多学科的新兴领域,对计算神经科学、人工智能和新型体系结构设计都具有重要的支持和启发意义.但是类脑计算系统领域发展所面临的重要问题之一是软硬件紧耦合.近期的一项研究提出了神经形态完备性的概念,为实现类脑计算系统领域的软硬件解耦合提供了理论支持,并作为样例研究提出了对应的系统层次结构设计.作为这一工作的后续,首先对神经形态完备性和类脑计算层次结构中部分关键的概念进行了阐述与讨论,之后进一步提出了在这一概念和体系结构设计下,实现支持软硬件解耦合的类脑计算硬件设计方法的构想,即由执行原语集合设计以及硬件实现方法设计组成的迭代调整的设计流程.最后,展示了正在进行的基于FPGA的相应评估平台工作.这一硬件设计方法有助于实现神经形态完备的高效原语集合和芯片设计,从而有利于实现类脑计算系统领域的软硬件解耦合.

另辟蹊径的类脑计算机

虽然计算机又被称为"电脑",并在计算能力上超过了人脑,而现有的人工智能和大数据等技术更是让"电脑"如虎添翼,越来越智能化。但事实上,无论是我们家里的台式机还是笔记本电脑,甚至我们手里的手机,其结构跟人类的大脑并不类似。这种"不类似"不仅仅是因为人类大脑为"碳基",而计算机是"硅基",计算机和人类大脑最根本的区别在于组成架构以及处理信息的方式都有所不同。那么如果让计算机的组成架构与信息处理方式模拟人脑,会出现什么情况呢?这便是现在计算机领域的一个前沿研究方向——类脑计算机了。

大规模类脑计算系统BiCoSS:架构、实现及应用

人脑具有协同多种认知功能的能力与极强的自主学习能力,随着脑与神经科学的快速发展,亟需计算结构模拟人脑的、性能更强大的计算平台进行人脑智能与认知行为机制的进一步探索.受人脑神经机制的启发,本文提出了基于神经认知计算架构的众核类脑计算系统BiCoSS,该系统以并行计算的现场可编程门阵列(Field-programmable gate array,FPGA)为核心处理器,以地址事件表达的神经放电作为信息传递载体,以具有认知计算功能的神经元作为信息处理单元,实现了四百万神经元数量级大规模神经元网络认知行为的实时计算,填补了从细胞动力学层面理解人脑认知功能的鸿沟.实验结果从计算能力、计算效率、功耗、通信效率、可扩展性等方面显示了BiCoSS系统的优越性能.BiCoSS通过人脑信息处理的计算架构以更贴近神经科学本质的模式实现了类脑智能;同时,BiCoSS为神经认知和类脑计算的研究和应用提供了新的有效手段.

面向人工通用智能的类脑计算

类脑计算是借鉴人脑存储处理信息的方式,面向人工通用智能发展的新型计算技术,类脑计算系统是基于神经形态工程,打破"冯·诺依曼"架构束缚、适于实时处理非结构化信息、具有学习能力的超低功耗新型计算系统。它是人工通用智能的基石,拥有极为广阔的应用前景。这项研究目前处于起步阶段,尚未形成公认技术方案。本文将从为什么(why)、做什么(what)和怎样做(how)三方面,总结分析类脑计算及芯片面临的挑战和可能的解决方法,重点介绍天机类脑计算芯片和系统,探讨如何利用软硬件结合发展人工通用智能。

忆阻器类脑计算芯片研究现状综述

为把握忆阻类脑芯片发展现状并总结其发展趋势,对现有忆阻类脑计算芯片与架构进行了调研,对芯片中所采用的忆阻器阵列结构和集成工艺、前神经元电路、后神经元电路、多阵列互连拓扑结构与数据传输策略,以及芯片设计过程中所采用的系统仿真和评估方法进行了对比分析。总结出当前忆阻类脑计算芯片电路设计仍需解决忆阻器可用阻态少、器件参数波动性大、阵列外围电路复杂、集成规模小等问题,并指出了该类芯片走向实际应用仍然面临着忆阻器生产工艺提升、完善开发工具支持、专用指令集开发、确定典型牵引性应用等挑战。

基于类脑计算的过程控制PID参数在线整定

针对流程工业中静态PID参数不能跟随被控装置的动态过程在线优化的问题,提出基于类脑计算的过程控制PID参数在线整定方法。该方法在先验知识的基础上利用BP神经网络对PID参数循环计算最优解,并通过PNN神经网络对最优解进行贝叶斯决策,从而产生最佳组合的PID参数,使被控装置稳定运行在设定工况下。该方法克服了时变工况下PID参数与被控对象的不相容性,在考虑未知扰动的情况下,实现了参数最优解的输出。最后,通过仿真实验与工程投运证明了该方法对非线性误差函数的最优解最终可收敛,验证了该整定方法的有效性。

引入类脑计算的计算机基础类课程教学方式

分析大学计算机课程体系设置和教学背景以及类脑计算的发展现状,探讨将类脑计算引入计算机基础类课程体系中的必要性和可行性,说明各部分内容的教学安排和类脑计算的授课方式并提出具体建议,最后指出类脑计算在计算机基础类课程体系中的引入对于以计算思维培养为指导的计算机课程改革与新时代人才培养的现实意义。

类脑计算技术发展与产业应用展望

类脑计算革命已经展开,世界各国脑计划陆续出台、稳步推进,以期占领类脑计算制高点。根据Gartner分析报告,类脑芯片最快将于2023年成熟,能效比有望较当前芯片提高2-3个数量级,2024年将达到65亿美元市场规模。我国若要实现类脑计算领域的内生式发展,不仅要在基础元器件和芯片方面实现突破,也要在体系结构、基础软件、智能理论与算法等方面同步推进。

亿级神经元类脑计算机研发成功

1.6米高的三个标准机柜并排而立,黑色的外壳给人酷酷的感觉,红色的信号灯不停地闪烁,靠得近些似乎能听到里面脉冲信号飞速奔跑的声音。近日,浙江大学联合之江实验室共同研制成功了我国首台基于自主知识产权类脑芯片的类脑计算机(Darwin Mouse)。这台类脑计算机包含792颗浙江大学研制的达尔文2代类脑芯片,支持1.2亿脉冲神经元、近千亿神经突触。

类脑计算研究简述

类脑计算是借鉴脑信息处理方式,具备自主学习能力并擅于实时处理非结构化信息的新型计算智能,被认为可能是一条通向通用人工智能的途径。本文首先分析了类脑计算技术框架,并以此为基准,介绍了脑科学、脑图谱、各类脑仿真框架,并列举了常见的神经形态芯片和类脑计算系统;然后从模型、算法、框架、数据集方面系统地介绍了脉冲神经网络,以及当前类脑计算的应用情况;最后分析了类脑计算目前所存在的困难和挑战。