类脑计算,以称为神经形态计算Neuromorphic computing是一种受大脑启发的硬件和算法设计方法,可以有效地实现人工神经网络。神经形态设计师应用神经科学家发现的生物智能原理,设计高效的计算系统,通常用于尺寸、重量和功率受限的应用。随着这一研究领域处于关键时刻,为未来大规模神经形态系统的发展制定路线,是至关重要的。
近日,美国 德克萨斯大学圣安东尼奥分校(University of Texas-San Antonio)Dhireesha Kudithipudi等,在Nature上发表综述文章,概述了可扩展神经形态架构的构建方法,并确定了关键特征。
还讨论了潜在应用程序以及需要解决的主要挑战。还研究了维持增长所需的综合生态系统,以及在扩展神经形态系统时,面临的新机遇。这一工作,从几个计算子领域中提炼出思想,为神经形态计算的研究人员和从业者提供指导,旨在推动类脑计算的研究前沿。
Neuromorphic computing at scale.
大规模类脑计算
图1: 神经形态计算系统的研究进展。
图2: 神经形态计算生态系统。
图3:大规模神经形态计算系统的关键特征及其特征成熟时间线。
图4: 案例研究展示了神经形态计算软件生态系统与人工智能AI/机器学习ML相比的差距。
图5: 待考虑因素。
Kudithipudi, D., Schuman, C., Vineyard, C.M. et al. Neuromorphic computing at scale. Nature 637, 801–812 (2025).