大规模类脑芯片“达尔文3”：支持专用指令集与在线学习 | NSR

海归学者发起的公益学术平台

分享信息，整合资源

交流学术，偶尔风月

1. 神经元模型的灵活性 ： 类脑芯片的关键功能之一是模拟不同生物神经元动力学特性。然而，大量研究工作关注单一模型或者采用传统处理器核心来提升灵活性，而损失了运行效率。

2. 突触连接的规模与密度 ： 单个神经元的功能有限，只有大量神经元协同工作才能在智能信息处理方面表现出独特优势。大规模脉冲神经网络的高效运行，直接依赖于突触结构对于神经网络拓扑结构的表达能力。

3. 片上学习能力 ： 学习能力是大脑智能的重要特征,类脑芯片需要进一步支持在片上在线学习机制，从而更好实现神经网络在复杂场景下的自适应与自学习能力。

基于以上考虑， 浙江大学潘纲教授课题组在达尔文一代与二代的工作基础上，联合之江实验室于2023年上半年研制了达尔文三代类脑芯片 ，相关工作发表于《国家科学评论》（ National Science Review , NSR）。

达尔文3测试板卡及芯片版图照片

关于 神经元模型的灵活性 ，研究者提出了一种专用的指令集体系结构（ISA），能够高效灵活地描述不同的神经动力学模型和学习规则，利用高并行性的计算操作实现多组运行参数加载和状态变量更新，解决模型构建灵活性和运行效率之间的矛盾。

关于 突触连接的规模与密度 ，研究组设计了一种高效连接表示机制，有效压缩了描述突触连接所需的信息，提升了整体片上存储的使用效率，增加了突触密度和规模,使得单芯片能够支持200万以上神经元和1亿以上神经突触。

关于 片上学习能力 ，达尔文3类脑芯片具备灵活的片上学习和芯片级扩展能力，能够高效实现不同类型的神经元和突触模型，运行大规模脉冲神经网络。

与其它类脑芯片相比，达尔文3在神经元规模、突触存储密度、推理学习任务的效率等方面具有优势。 该芯片的成功研制，对探索新型的人工智能算力硬件基座具有重要的意义。