SNNGrow生长低功耗脉冲神经网络类脑仿真和训练框架 开源发布

（原标题：SNNGrow生长低功耗脉冲神经网络类脑仿真和训练框架 开源发布）

日前,北京理工大学AETAS实验室联合先进类脑智能及大算力平台公司优智创芯,并与清华大学和北京师范大学研究团队共同开源发布了一种创新的低功耗脉冲神经网络类脑仿真训练框架——SNNGrow生长。这是国际上继英特尔Lava类脑训练框架和国内鹏城实验室SpikingJelly类脑框架发布以后,又一个类脑仿真训练框架,该框架已实现全面开源,旨在推动类脑智能技术在产业界的广泛应用。

　　在人工智能领域,目前大模型正当其时,但是能耗和算力制约着大模型的更高维度的发展,如何低能耗地构建下一代大模型成为关键。类脑智能通过模拟生物大脑的工作方式,为实现低功耗、低成本且能够实时在线学习的人工智能系统提供了一种革命性的方案。脉冲神经网络作为类脑智能的核心计算架构,其工作原理更接近生物神经元的信号传递,以脉冲形式的信号和时间序列信息进行通讯,支持异步且稀疏的事件驱动方式。然而,尽管脉冲神经网络在理论上具有显著的低能耗优势,现有的实现框架往往无法充分利用其类脑稀疏计算的特性,使得在实际应用中达到理想的能效比仍面临挑战。

　　SNNGrow生长致力于打破这一瓶颈,通过基于深入研究脉冲神经网络和类脑稀疏计算特性的成果,利用自研的稀疏脉冲矩阵计算技术,SNNGrow生长能够显著降低运算过程中的能耗,同时保持高效的计算性能。稀疏脉冲矩阵计算技术不仅提高了脉冲神经网络的能效比,也为实际应用中的类脑计算提供了可行性。此外,通过将Pytorch集成为前端接口,SNNGrow生长极大地降低了开发者的入门门槛,使得广大研究者和开发者能够轻松地利用这一框架进行脉冲神经网络的研究和开发工作。这一创新不仅加速了类脑智能技术的研究进展,也为其在各行各业的应用提供了强大的颠覆性动力。SNNGrow生长现已支持脉冲神经网络建模、训练和推理。

　　技术原理

　　框架生态位

　　据了解,SNNGrow生长正处于快速发展阶段,未来计划实现对千亿级类脑神经元的仿真计算,并促进软硬件一体化应用的发展。该项目科研负责人北京理工大学计算机学院副教授杨旭说:“我们期待这一框架能够深化神经科学与人工智能领域的融合,促进两个领域之间的交流与合作,共同探索类脑智能的无限可能。”