神经形态计算技术全景
神经形态计算模仿大脑结构,用脉冲神经网络实现超低功耗事件驱动计算。点击各层高亮。
点击按钮分层高亮
LIF神经元模型
漏电积分-触发(Leaky Integrate-and-Fire)模型模拟生物神经元膜电位积累与脉冲发射。点击注入电流。
点击按钮注入不同强度电流观察脉冲发射
STDP脉冲时序依赖可塑性
突触权重根据前后神经元脉冲时序调整:前突触先于后突触则增强( LTD反之则减弱。点击模拟学习过程。
点击按钮查看不同时序下的突触权重变化
Intel Loihi 2芯片架构
Loihi 2采用64核心架构,每核心最多8192个神经元,支持可编程微码学习规则。点击查看核心结构。
点击按钮查看Loihi 2不同层架构
事件驱动 vs 时钟驱动计算
事件驱动仅在脉冲发生时计算,大幅降低空闲功耗;时钟驱动每周期都计算。点击切换模式对比。
点击按钮切换计算模式
神经形态芯片对比
Intel Loihi 2、IBM TrueNorth、SpiNNaker、BrainScaleS等芯片架构对比。点击切换对比维度。
点击按钮切换对比维度
能效比分析
神经形态芯片在能效(TOPS/W)上比GPU高出100-1000倍,尤其适合稀疏事件驱动任务。点击查看基准。
点击按钮切换能效指标
神经形态计算应用场景
从边缘AI到机器人控制,从实时感官处理到科学模拟,神经形态计算正在打开新范式。点击切换场景。
点击按钮查看不同应用场景