类脑计算的智能技术系统基本概念

在人工智能的领域中，脑启发计算（Brain Inspired Computing）是人工智能的一大类，里面包含但不限于人工神经网络（Artificial Neural Network，ANN）计算和脉冲神经网络（Spiking Neural Network，SNN）计算，并且未来仍有可能将新发现的计算范式归入脑启发计算的类别。
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。和现有冯诺伊曼体系结构 计算与存储分离的特点相对，类脑计算中的神经元结构既有计算能力，也有存储能力。类脑计算的这种特点从根本上消除了冯诺伊曼体系结构的“存储墙”问题。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。
SNN也被称为第三代神经网络，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。与ANN相比，SNN有诸多优良特性，在实现低功耗、高性能的智能系统上潜力巨大。
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。
基于类脑计算技术的智能计算系统将感知信息处理、学习、认知和记忆功能整合为一种智能化计算平台。类脑计算芯片是类脑智能计算系统的硬件主体，能够实时处理多感官的非精确、非结构化的数据。
2014年，IBM推出了TrueNorth芯片的智能计算系统。TrueNorth采用成熟的CMOS集成电路工艺，神经元采用简单的LIF模型，每芯片集成4096个核，每核实现256个神经元。突触状态、神经元状态和参数、脉冲目的地址、轴突延迟等均用SRAM存储。TrueNorth单片集成了100万个神经元和2.56亿个突触连接，耗费54亿个晶体管。单个芯片频率20 Hz，单神经元功耗 26pJ，芯片功耗低至65mW，大约是晶体管数量相当的传统CPU功耗的1/5000。针对这款芯片，IBM建立了Corelet编程模型、算法库和相应的软件开发环境，结合Compass模拟器，用户可以快速尝试不同的模型和参数，从中找出优化的方案。

TrueNorth 支持纵向扩展（scale-up）和横向扩展（scale-out)）两种扩展方式。纵向扩展指的是将多个TrueNorth芯片集成到同一块电路板上，芯片与芯片之间采用异步通信接口进行通信。横向扩展指的是将多块开发板通过标准的PCIe接口连接起来组成类脑计算集群。TrueNorth系统的命名规则为NSAe-B，其中A为纵向扩展因数，B为横向扩展因数。单块 TrueNorth芯片和板上的Xilinx Zynq-7020 SoC系统在一起构成了NS1e系统。NS1e是单处理器开发系统，针对低功耗、紧凑、独立的嵌入式应用环境。其中Zynq-7020中的2个ARM Cortex-A9处理器作为Host CPU使用，通过可编程逻辑实现与 TrueNorth芯片的通信。
目前最大的TrueNorth系统为NS16e-4。NS16e-4由4个NS16e系统组成，放在4U的机架模块中，主要用于大容量的神经网络部署。每个NS16e平台都包括16个TrueNorth芯片，采用4×4的网格进行组织，通过TrueNorth芯片的I/O接口互连。4个NS16e模块是独立的，每个模块通过单独的光PCIe接口和主CPU连接。NS16e-4总计支持6.4千万神经元和1.6亿的突触，功耗只有70W。其中，64个TrueNorth贡献的功耗不到15W。