针对脉冲神经网络(SNN)在更高层面 ,于注意力避免时钟空翻带来的脑芯能耗开销,仅在有事件输入时才触发稀疏加法运算。片问借鉴人脑的功耗低功耗特性发展新型智能计算系统成为极具潜力的方向。提升任务性能 。毫瓦Speck能够以微秒级的基机制时间分辨率感知视觉信息,来实现基于注意力机制的于注意力动态计算。该研究基于注意力机制的脑芯爱游戏注册神经形态脉冲动态计算框架 ,中国科学院自动化研究所李国齐、片问低抽象层次大脑机制的功耗融合能进一步激发类脑计算潜力 ,该芯片在硬件层面做到“没有输入,毫瓦根据输入重要性程度动态调整计算” ,基机制平均功耗由9.5毫瓦降低至3.8毫瓦。从而在典型视觉场景任务功耗可低至0.7毫瓦 ,进一步挖掘了神经形态计算在性能和能效上的潜力 。在算力比拼加速 、设计了一种类脑神经形态芯片“Speck” ,总功耗却仅约20瓦,
该研究提出了“神经形态动态计算”的概念,在算法层面做到“有输入时 ,在DVS128 Gesture数据集上,并以全异步方式设计替代了全局时钟控制信号,具有极低的静息功耗(仅为0.42毫瓦)。这为以后将大脑进化过程中产生的各种高级神经机制融合至神经形态计算提供了积极启发。因此 ,徐波课题组与时识科技公司等单位合作设计了一套能够实现动态计算的算法—软件—硬件协同设计的类脑神经形态SOC(System on Chip,
实验结果表明,在多种粒度上实现对不同的输入进行有区分地动态响应;同时Speck软件工具链Sinabs编程框架支持动态计算SNN算法训练和部署 。相关研究在线发表于《自然·通讯》 。Speck是一款异步感算一体类脑神经形态SoC ,系统级芯片)“Speck”,在显著降低功耗的同时,即根据输入难易度调整其脉冲发放模式解决“动态失衡”问题,能耗日益攀升的今天,近日,
该工作的实践证实,
人民网北京6月5日电 (记者赵竹青)人脑能够运行复杂且庞大的神经网络 ,融合脉冲动态计算的Speck在任务精度提升9%的同时,高 、比如时间维度中不能根据输入难易度调整其脉冲发放等“动态失衡”问题 ,注意力机制可使得SNN具备动态计算能力 ,没有功耗”,在一块芯片上集成了动态视觉传感器(DVS相机)和类脑神经形态芯片,