2021类脑计算技术发展现状及趋势分析 SNN是未来信息技术智能化重点研究方向

类脑计算技术未来发展趋势是什么?在现阶段的社会发展过程中计算机科学技术在社会中的应用具有极大的社会现实含义，不仅其在加速社会经济的道路上起到了积极的作用。计算机技术在发展的同时带动经济社会的进步。类脑计算是什么?类脑计算是指利用数字电路、模拟电路、数模混合电路或新器件来仿真生物神经元以及神经元间的突触连接，进而利用超大规模集成电路(Very Large Scale Integrated，VLSI)系统来模仿神经系统中的神经生物学结构。简单来说类脑计算就是通过对类脑计算进行研究，能够更好地理解脑计算模型，为实现类脑智能提供路径。

2021类脑计算技术发展现状及趋势分析

类脑计算领域有三大板块，第一，类脑计算算法、芯片、软件工具链和系统;第二，接口;第三，应用。类脑计算机的基本元器件是模拟生物神经元和突触的神经形态器件，其特征尺寸与生物对应物相当或更小，不仅可比晶体管更小，而且部分器件出错不影响系统基本功能。在类脑计算领域中自主开发软件工具链和类脑计算系统也非常重要。其中目前所涉及的智能算法，还只是通用人工智能的算法，软件开发也是基于Tensorflow架构的。因此，未来，类脑计算模型方向研究任重道远，需寻求新突破。

类脑计算研究涉及的领域范围广泛，包括材料科学、神经科学、电气工程、计算机工程和计算机科学等。材料科学家研究、制造和表征可用于类脑器件的新材料，重点是展示与生物神经系统相似特性的材料。神经科学家提供可能在类脑计算意义上有用的新知识，并利用类脑计算系统来模拟和研究生物神经系统。

电子和计算机工程师利用模拟电路、数字电路、数模混合电路和器件来构造系统，模拟神经系统的运行过程，开发由生物启发的类脑计算系统。类脑计算系统的研究涉及到类脑处理器微体系结构技术、体系结构技术、类脑处理器配套的软件工具链和基于脉冲神经网络的算法等研究领域。

由于传统的计算机科学没有相关的技术信息支撑，当代的发展方向是积极向前的、相互融合的。不过由于当代社会信息的共享性还有待于提高到新的阶段，-些方面的信息受到一定的局限和垄断性。伴随着越来越普遍的计算机科学在全世界范围内的迅猛发展，信息将可以被方便快捷的进行传播，有理由相信计算机技术将会带动社会经济更好发展，其对经济的发展将起到积极有效的作用。

根据中研普华研究院《2021-2025年国内外类脑计算技术发展研究及趋势预测报告》显示：

脉冲神经网络相关技术发展

一、神经形态运算平台

类脑运算平台或者类脑芯片， 是受到生物学脑工作机制启发开发的专用于为SNN提供计算的硬件系统。制作类脑芯片最具有挑战性的是如何把不计其数spiking 神经元和突触放进一个小小的芯片里并同时让他们的链接结构是可调整的。

最初，类脑芯片仅由科研学术机构进行探索。 由于研究人员已经展示出这些出色的类似于大脑的计算模型的巨大潜力，因此许多大公司已开始参与类脑芯片的开发。

IBM在2014年开发了TrueNorth芯片，它是美国国防高级研究计划局SyNAPSE开发计划的一部分。 单个TruNorth芯片包含4096个计算核心，可以实现神经突触和神经元排列的动态映射。 每个内核最多可将1024个轴突电路用于输入连接，从而实现256个IF神经元，这些神经元组织为静态随机存取存储器。 IBM TrueNorth系统的一个吸引人的功能是，单个芯片由54亿个晶体管组成，仅消耗70mW的功率密度，仅占传统计算单元的1/10000。

SpiNNaker NM平台是由曼彻斯特大学的研究人员开发的，曼彻斯特大学的研究人员是由欧盟资助的“人脑计划” (Eupropean HBP)的一部分。 SpiNNaker为SNN的硬件实现提供ASIC解决方案。它利用多个ARM内核和FPGA来配置硬件和PyNN软件API，以实现平台的可扩展性。 ARM处理器使该平台能够以仅1毫秒的仿真时间步长，以生物逼真的连通性配置数十亿个脉冲神经元。此外，第二代平台SpiNNaker2仍在开发中，它可以使用1000万个处理器来模拟更大，更复杂的SNN。除SpiNNaker之外，BrainScaleS 也是HBP项目的另一个类脑计算平台。 BrainScaleS是使用晶圆级集成技术开发的混合信号神经形态芯片，该芯片允许利用4000万个突触和多达18万个神经元。正在设计下一代BarianScaleS，并将其命名为BrianScaleS-2，它能够使用更复杂的神经元模型，同时支持非线性突触和定制结构的神经元。

SpiNNaker 平台提供SNN的云仿真和计算平台， 这就意味着如果你想试试自己的SNN在硬件上效果如何的话。你可以去SpiNNaker 云平台上 上传自己的代码，结果会由云平台返回， 前提是你的SNN需要是用PyNN构建的。

斯坦福大学在类脑领域贡献了两个类脑硬件，分别是Neurogrid和Braindrop。 Neurogrid 中的神经核由256x256制成的CMOS阵列构成，该阵列可实现SNN的混合模数实现。 Neurogrid能够以数百万个神经元和数十亿个突触的能力提供生物学上合理的计算。 像Neurogrid一样的Braindrop是一个混合信号NM处理器，但抽象程度很高。 Braindrop采用28纳米FDSOI工艺进行设计，并将4096个尖峰神经元集成在单个芯片上，该芯片的神经元容量有限，无法大规模实施SNN。

英特尔Loihi 类脑芯片是英特尔最近宣布的数字神经计算平台。 Loihi最吸引人的特点是芯片在线学习的潜力。 Loihi拥有一个特殊的可编程微代码引擎，可以即时进行SNN培训。 Loihi具有3个独特的Lakemont NM核心，专门设计用于协助高级学习规则。 一个Loihi芯片中总共有128个NM内核，能够实现130K LIF神经元和130M突触。 Loihi系统的最大大小可支持多达16个芯片的4096个片上内核。

Brainchip公司开发了名为Akida神经形态计算平台，该平台可以使用一个NSoC有效地实现120万个神经元和100亿个突触。 该平台具有多个板载处理器，包括基于事件的处理，数字处理，存储器，输入/输出接口和多芯片扩展的功能。

图表：各类芯片汇总

资料来源：中研普华产业研究院整理

除了这些类脑芯片外，仍有许多新兴的类脑芯片在SNN计算中显示出巨大的潜力。 例如浙江大学的达尔文芯片，其目标是嵌入式低功耗应用。 苏黎世大学研究人员开发的DYNAP-SEL结合了异步数字逻辑和模拟电路，以实现模拟SNN实现。 清华大学的研究人员成功设计了混合型天机芯片 ，该混合型既可以实现常规神经网络又可以实现SNN。

SNN是未来信息技术智能化重点研究方向

类脑科技也称之为类脑计算，是科技领域中人工智能的新宠，和数据智能技术对比逻辑分析和推理能力更强，可以弥补数据智能的局限性和不足。科技发展在不断前进，人工智能成为了一个新兴领域，目前大家所熟知的人工智能还是数据智能占比较多。

SNN是人工智能领域机器学习算法的一种，是计算机科学与生物神经科学交叉而成的新兴学科。相比于传统的ANN，如各种深度学习网络，SNN实现了更高级的生物神经元模拟水平，更容易模拟人脑低功耗高性能的处理方式，是信息技术向智能化发展的重点研究方向。

想了解更多关于类脑计算技术行业专业数据分析，请点击查看中研普华研究院《2021-2025年国内外类脑计算技术发展研究及趋势预测报告》。