“天机”今登Nature封面：清华施路平团队发布全球首款异构融合类脑芯片！

Tianjic芯片和测试板 

Tianjic芯片回收众核架构、可重组成果核模块和殽杂编码方案的类数据流节制模式，不只可以顺应基于计较机科学的呆板进修算法，还可以轻松实现受大脑道理开导的神经计较模子和多种编码方案。

仅用一个芯片，就可以在无人驾驶自行车体系中同时处理赏罚多种算法和模子，实现及时方针检测、跟踪、语音节制、避障僻静衡节制。这一研究估量可觉得通用性更高的硬件平台成长开辟新的阶梯，促进AGI技能的开拓。

鉴于今朝呆板进修和神经科学的前进，AGI体系至少应具有以下特性：

• 可以或许支持在神经收集中举办富厚的空间、时刻和时空相关的表达。

• 支持分层、多粒度和多域收集拓扑架构，不限于某一专门的收集布局。

• 支持各类模子，算法和编码方案。

• 支持多个专用神经收集的交叉相助，这些神经收集也许是为并行处理赏罚差异使命而计划的。

这些特性必要在一个通用化的平台中高效地运行，即可以或许在同一框架中实现对主流的人工神经收集（ANN）以及受神经科学开导的模子和算法的支持。

图1：实现AGI开拓的殽杂蹊径

为了支持这些成果，团队开拓了一种跨范式计较平台，可以顺应面向计较机科学和神经科学的神经收集（图1），兼容各类神经模子和算法，尤其是基于生物学的（如脉冲神经收集，即SNN）要素。

凡是，ANN和SNN在信息暗示、计较道理和影象组织方面具有差异的建模方法（如图2a所示）。二者最大的差别是，ANN以准确的多位值来处理赏罚信息，而SNN行使二进制脉冲序列。ANN神经元和SNN神经元之间的实现较量如图2b所示。

另一方面，ANN和SNN神经元之间也存在一些相似之处，这就为模子间的融合留下了空间。通过对ANN和SNN的神经收集模子举办具体较量，将计较模子理会并对应到相干的神经元成果模块上 - 即轴突、突触、树突和胞体，从而构建一个跨范式的同一神经元方案（如图2c所示）。团队计划了同时合用两种方案的突触和树突，而轴突和体细胞通过独立重构来改变成果。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!