神经形态计算可视化实验室
从生物神经元到脉冲芯片——把神经形态计算的核心机制(脉冲神经网络、STDP学习、事件驱动感知、类脑能效)以可交互 SVG 呈现。
01
神经形态全景
冯·诺依曼架构(存算分离·时钟驱动)与神经形态架构(存算一体·事件驱动)的根本差异,以及生物神经元与脉冲神经元模型的对应。点击切换视图。
冯诺依曼
存算分离·总线瓶颈
CPU↔Memory · 时钟驱动
神经形态
存算一体·事件驱动
脉冲·稀疏·异步·并行
生物神经元
离子通道·动作电位
~86B neurons · ~100T synapses
脉冲神经元
LIF模型·积分发放
Leaky Integrate-and-Fire
02
脉冲神经网络(SNN)
Leaky Integrate-and-Fire (LIF) 神经元模型:输入脉冲积分→膜电位泄漏→达阈值发放→重置。点击运行动画观察脉冲传播与膜电位变化。
03
神经形态芯片
Intel Loihi、IBM TrueNorth、SpiNNaker 三大代表性神经形态芯片架构与规格对比。点击切换芯片查看详情。
04
STDP学习
脉冲时序依赖可塑性 (Spike-Timing Dependent Plasticity):突触前先于突触后→LTP长时程增强;反之→LTD长时程抑制。Hebbian学习的时序版本。点击运行动画。
05
事件驱动相机
动态视觉传感器 (DVS/Event Camera):每个像素独立异步响应亮度对数变化,仅输出"事件"流。对比帧式相机。点击运行动画。
06
能效对比
神经形态芯片 vs GPU vs TPU vs CPU 在单位推理能耗、延迟、吞吐上的量级差异。点击切换对比维度。
07
神经形态应用
边缘AI、机器人控制、无人机感知、假肢神经接口、实时感官处理——神经形态的异步低功耗特性适配的场景。点击切换应用。
08
类脑算法
储层计算 (Reservoir Computing)、Liquid State Machine、Echo State Network 等类脑算法原理。点击切换算法视图。