[发明专利]一种基于脉冲神经网络的类脑计算芯片

说明书

本发明公开了一种基于脉冲神经网络的类脑计算芯片，属于人工神经网络技术领域，该类脑计算芯片由存算一体的多个节点组成；一个节点中包括多个神经元；神经元之间通过突触连接，同一节点的神经元共享一块突触存储器，突触存储器分为链表区域和突触数据包区域；链表区域包含每个神经元的链表；链表用于保存每个神经元的突触数据包的地址；突触数据包区域包含每个神经元的突触数据包；突触数据包用于保存节点中每个神经元的突触信息。本发明中针对不同神经元间突触连接数的巨大差异，利用共享存储的突触信息实现方式，通过对突触存储器的动态划分，可以让每个神经元按需分配，充分利用存储空间。

技术领域

本发明涉及人工神经网络技术领域，具体涉及一种基于脉冲神经网络的类脑计算芯片。

背景技术

近年来“内存墙”与“功耗墙”效应日趋严重，传统计算机所遵循的冯诺依曼体系结构正在面临巨大的挑战，在后摩尔时代，半导体行业迫切需要寻求新的架构与方法以满足电子产业对不断提高的计算性能和极低功耗的需求。随着脑科学的发展，人们逐渐了解到人脑是一部极高能效的计算机，类脑计算应运而生，内存与计算单元合二为一，从根本上去除了经典冯诺依曼体系架构的“内存墙”问题。类脑计算的基本思路是将生物神经网络的概念应用于计算机系统设计，针对智能信息处理的特定应用来提高性能与降低功耗。

脉冲神经网络作为第三代神经网络具有高度的生物真实性，由于在真实世界学习的任务中展现出独特优势，迅速成为类脑计算芯片研究热点，业界已经发布多款基于脉冲神经网络的类脑芯片。

2015年，IBM发布类脑芯片TrueNorth,支持百万级神经元，具有极低运行功耗，并于2016发布基于TrueNorth的类脑超级计算平台；2017年，Intel发布类脑芯片Loihi，支持在线自主学习功能；2019年，清华大学的“天机芯”登上了Nature封面，把智能的两个主要研究方向，即基于计算机科学和基于神经科学，集成到了一起。

申请公布号为CN 109901878 A公开了一种类脑计算芯片及计算设备，所述类脑计算芯片是由一个或多个功能核组成的众核系统，各功能核之间通过片上网络进行数据传输；所述功能核包括：至少一个可编程的神经元处理器，用于计算多种神经元模型，至少一个协处理器，与所述神经元处理器耦合，用于执行积分运算和/或乘加类运算；其中，所述神经元处理器可调用所述协处理器执行乘加类运算。

申请公布号为CN 107368888 A公开了一种类脑计算系统及其突触，所述突触为MTJ突触，其包括记忆MTJ和参考MTJ；MTJ突触的输出端连接到类脑计算系统中输入电荷的神经元，MTJ突触的输入端连接到类脑计算系统中输出电荷的神经元；MTJ突触的输出端被置于基准电位，记忆MTJ适于接收来自所述MTJ突触的输入端的第一脉冲，参考MTJ适于接收来自MTJ突触的输入端的第二脉冲，第一脉冲与第二脉冲同时发射，形状相同且符号相反；MTJ突触还包括与记忆MTJ相连的第一选通器件以及与参考MTJ相连的第二选通器件，分别设置于输出电荷的神经元与输入电荷的神经元之间的不同电流路径上，且两者导流方向相反。

因为单个神经元的功能有限，只有数以百万计的神经元协同工作才能在特定智能信息处理方面表现出独特优势，因此实现脉冲神经网络芯片神经元的大规模化仍然是一个核心问题，神经突触用于表示脉冲神经网络间的连接关系，包括连接拓扑、权重、延迟等信息，一种高效的突触实现方式对于神经网络拓扑结构的灵活可重构、神经元规模的灵活可扩展都非常重要。

发明内容

本发明提供了一种基于脉冲神经网络的类脑计算芯片，使其能够支持神经网络拓扑结构的灵活配置。

一种基于脉冲神经网络的类脑计算芯片，所述的类脑计算芯片由存算一体的多个节点组成；所述的节点中包括多个神经元；所述的神经元之间通过突触连接，同一节点的神经元共享一块突触存储器，所述的突触存储器分为包含每个神经元链表的链表区域和包含每个神经元突触数据包的突触数据包区域。