[发明专利]分布式神经形态超级计算平台

权利要求书

1.分布式神经形态超级计算平台，其特征在于，包括控制单元、一组互联的存储单元、逻辑门和算术函数，所述存储单元能够在控制单的控制下，执行数字或者模拟操作，所述存储单元为忆阻器。

2.根据权利要求1所述的分布式神经形态超级计算平台，其特征在于，所述分布式神经形态超级计算平台的平台机器为基于GPU芯片实现。

3.根据权利要求1所述的分布式神经形态超级计算平台，其特征在于，所述分布式神经形态超级计算平台的平台机器定义为八元组，即平台机器＝(M，Δ，P，s，∑，p0，s0，F)，其中M是单个内存处理器的可能状态集合；Δ是一组函数，δα：mmα\f×P→mm’α×P2×S，其中mα＜∞是用作函数输入(读取)α的内存处理器数量δ，m’α＜∞是用作函数δα输出(写入)的内存处理器数量；p是指针数组的集合，S是α索引的集合，∑是输入设备在计算存储器上写入的初始状态的集合，p0是指针的初始数组，s0是初始索引α，F是M最终状态的集合。

4.根据权利要求1所述的分布式神经形态超级计算平台，其特征在于，所述忆阻器采用自组织逻辑门框架。

5.根据权利要求4所述的分布式神经形态超级计算平台，其特征在于，所述自组织逻辑门框架利用基本瞬子达到平衡点，利用瞬子描述自组织逻辑门的非线性运动方式的静电轨迹，并连接相同空间中拓扑不同的临界点。

6.根据权利要求5所述的分布式神经形态超级计算平台，其特征在于，所述自组织逻辑门框架包括标准电阻器、带记忆的电阻器和压控电压发生器，且带记忆的电阻器内含并联电容。

7.根据权利要求6所述的分布式神经形态超级计算平台，其特征在于，所述忆阻器的忆阻状态变化量的运动方程为其中xj是第j个忆阻元件的状态变量。函数h用于切断某些状态下状态变量的动态，g(x)＝((Roff-Ron)x+Ron)-1，Roff和Ron为两个电阻，vm，是根据忆阻器的方向测量的：vm＝va-vb，其中vb从忆阻器电子符号的粗条侧开始测量，系数α为正数。

8.根据权利要求1所述的分布式神经形态超级计算平台，其特征在于，所述分布式神经形态超级计算平台还包括Dynex芯片。

9.根据权利要求8所述的分布式神经形态超级计算平台，其特征在于，所述Dynex芯片的构建方法为：

步骤一：将布尔变量y转换成连续变量；

步骤二：将布尔子句解释为动态约束函数，其满意度有电压决定；

步骤三：将Dynex芯片使用内存变量来协助计算，记忆变量将与布尔公式的解不对应的平衡点转换为电压空间中的不稳定点，使3-SAT问题的解成为唯一的最小值，在每个子句中引入两个记忆变量：短期记忆，xs，m和长期记忆，xl，m；

步骤四：选择电压和内存变量的动态，

其中求和是对出现电压的所有约束进行的，xs，m∈[0，1]and xl，m∈[1，10^4M]，参数α和β分别是长期和短期记忆变量的增长率，每个内存变量都有一个阈值参数，用于评估Cm的状态，并且这两个参数被限制为服从δ＜γ＜1/2，方程有一个小的、严格为正的参数，0＜ε＜＜1、去除杂散解(xs，m＝0)。