[发明专利]分布式神经形态超级计算平台

说明书

本发明公开了分布式神经形态超级计算平台，涉及分布式计算技术领域；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，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，所述忆阻器采用自组织逻辑门框架，所述自组织逻辑门框架利用基本瞬子达到平衡点。本发明利用GPU来实现接近平台机器的实时性能。它可以自由地适应要计算的问题，也可以互连并作为集群的一部分进行操作。使用平台神经形态芯片，可以解决经典或量子方法无法解决的问题，从而提高了使用的效率，简化了数据传递方式，解放了机器的性能。

技术领域

本发明涉及分布式计算技术领域，尤其涉及分布式神经形态超级计算平台。

背景技术

神经计算作为一种人工智能技术，在未来的市场上有着广阔的应用前景。神经计算在以下领域有着广泛的应用：自然语言处理：神经计算可以用于自然语言处理，例如语音识别、机器翻译和情感分析等领域。计算机视觉：神经计算可以用于计算机视觉应用，例如图像识别、目标检测和人脸识别等领域。自动驾驶：神经计算可以用于自动驾驶技术，例如自动驾驶汽车中的感知、决策和控制等领域。医疗保健：神经计算可以用于医疗保健领域，例如医学图像处理、疾病诊断和药物研发等领域；软硬件设计：神经计算可以用于软硬件设计领域，例如NVIDIA的AutoDMP，该方法能有效地搜索设计空间，找到更好的超大规模集成电路设计宏观布局解决方案。

在现有技术中，是一个需要一个与内存物理分离的中央处理器(CPU)的设备，CPU既包含指导机器操作的控制单元，也包含执行所需的逻辑门和算术函数(算术/逻辑单元)，大量数据必须在CPU和内存之间传输，从而在时间上限制了机器的性能。

为此，本发明提出分布式神经形态超级计算平台。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的分布式神经形态超级计算平台。

为了实现上述目的，本发明采用了如下技术方案：

分布式神经形态超级计算平台，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。

优选地：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。

优选地：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，δa：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。

优选地：所述忆阻器采用自组织逻辑门框架。

优选地：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。

优选地：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。

优选地：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。

优选地：所述分布式神经形态超级计算平台还包括Dynex芯片。

优选地：所述Dynex芯片的构建方法为：