类脑计算机能否只用一颗灯泡的功率运行？
此刻，你的大脑正在识别这些字母的形状、分析它们的含义，并维持着一串连续的思维——而这一切只消耗大约20瓦的功率，大致相当于点亮一只灯泡。然而，用今天的人工智能系统复制大脑能力的一小部分，就可能需要庞大的计算基础设施与能源。神经形态计算，也被称为「类脑计算」，正是试图弥合这一差距的尝试。它并不是让今天的计算机稍微更高效，而是从根本上重新思考它们应该如何工作。人脑大约拥有860亿个神经元，它们通过被称为突触的连接点彼此相连。一个神经元接收来自邻居的信号；当这些信号的合计效应越过阈值时，它就会发出一段被称为脉冲的短促电信号。有两件事让这个过程变得高效。第一，能量只在需要的地方花费，而不是到处持续消耗。第二，记忆与处理交织在每一个突触响应的强度之中。大脑不需要停下来去寻找信息，这同时节省了时间与能量。相比之下，在普通计算机芯片中，处理器与内存是物理分离的，因此每一次计算都意味着在两者之间搬运数据。这可能占据能耗中相当大的一部分，被称为「......阅读全文
类脑计算机能否只用一颗灯泡的功率运行？
此刻，你的大脑正在识别这些字母的形状、分析它们的含义，并维持着一串连续的思维——而这一切只消耗大约20瓦的功率，大致相当于点亮一只灯泡。然而，用今天的人工智能系统复制大脑能力的一小部分，就可能需要庞大的计算基础设施与能源。神经形态计算，也被称为「类脑计算」，正是试图弥合这一差距的尝试。它并不是让今天
刘明院士团队：自旋神经形态器件研究新进展
生物启发脉冲神经网络架构有望通过模拟人脑的高算力、高并行度、低功耗等特性，解决冯·诺依曼架构存储墙和能效瓶颈等问题。然而，面向构建脉冲神经网络的神经形态硬件的研究尚处于探索阶段，基于传统CMOS的神经形态芯片通常需要数十个晶体管和若干电容；基于新型存储器等新原理神经元器件亦需集成额外电容或复位操
神经形态芯片：仿生学的驱动力
1 神经形态芯片与传统芯片的区别 1946年美籍匈牙利科学家冯·诺依曼提出存储程序原理，把程序本身当作数据来对待。此后的半个多世纪以来，计算机的发展取得了巨大的进步，但“冯·诺依曼架构”中信息存储器和处理器的设计一直沿用至今，连接存储器和处理器的信息传递通道仍然通过总线来实现。随着
深圳先进院提出忆阻器神经网络的高能效权重更新方案
近日，中国科学院深圳先进技术研究院医工所医学人工智能研究中心的黄明强研究团队在基于忆阻器阵列的卷积神经网络的研究当中提出了硬件友好型的随机自适应学习方法。区别于具有复杂外围电路设计的梯度下降方法（SGD）和分段线性（PL）的传统方法，该方法具有良好的硬件友好特性和高能效特性。相关成果以Hardw
上海微系统所等在人工突触模拟忆阻器研究方面取得进展
基于冯·诺依曼架构的传统数字计算机，其数据处理与存储分离结构限制了其工作效率，同时带来巨大功耗，无法满足大数据时代下计算复杂性的需求。同时，上述缺陷也阻碍了深度学习神经网络的进一步发展。而借鉴人脑神经突触结构，构筑结构简单、低功耗、高低阻态连续可调的非易失性阻态忆阻器是实现类脑神经形态计算中至关
未来无人机像飞鸟一样轻捷智能
原文地址：http://news.sciencenet.cn/htmlnews/2024/5/523615.shtm ?上图为第一架采用完全视觉控制的神经形态AI无人机。下图为神经形态无人机飞越花朵图案，无人机从放在角落的神经形态相机接收到视觉输入。红色表示像素变暗，绿色表示像
微电子所等开发出基于语义记忆的动态神经网络
大脑神经网络具有复杂的语义记忆和动态连接性，可将不断变化的输入与庞大记忆中的经验联系起来，高效执行复杂多变的任务。目前，人工智能系统广泛应用的神经网络模型多是静态的。随着数据量不断增长，它在传统数字计算系统中产生大量能耗和时间开销，难以适应外界环境的变化。 中国科学院微电子研究所微电子器件与集
5项类脑计算和光电计算领域国家标准化指导性技术文件发布
近日，市场监管总局（国家标准委）批准发布《类脑计算 参考架构》《光电计算 光矩阵计算系统设计指南》等5项类脑计算和光电计算领域国家标准化指导性技术文件，标志着我国未来计算标准化布局取得重要进展。 “十五五”规划明确将发展新质生产力、布局未来产业作为重点方向。传统计算架构的性能和能效瓶颈日益凸显
半导体所新型感算器件研究获进展
随着人工智能、物联网及智慧医疗等新型信息交互领域的发展，基于传统冯诺依曼架构的计算机系统以及工艺迭代带来的算力提升越来越难以满足数据处理及复杂神经网络模型运算的需求。神经形态器件作为一种模拟人脑的高效低功耗的信息处理模型，在信息处理方面具有天然优势。目前，以忆阻器为代表的人工突触器件广泛应用于神
功耗毫瓦级！基于注意力机制的类脑芯片问世
人脑能够运行复杂且庞大的神经网络，总功耗却仅约20瓦，远小于现有的人工智能系统。因此，在算力比拼加速、能耗日益攀升的今天，借鉴人脑的低功耗特性发展新型智能计算系统成为极具潜力的方向。 近日，中国科学院自动化研究所李国齐、徐波课题组与时识科技公司等单位合作设计了一套能够实现动态计算的算法—软件—硬件协
高可靠性人工突触半导体器件问世
韩国科学技术研究院（KIST）神经形态工程中心研究团队宣布开发出一种能进行高度可靠神经形态计算的人工突触半导体器件，解决了神经形态半导体器件忆阻器长期存在的模拟突触特性、可塑性和信息保存方面的局限。研究成果近日发表在《自然·通讯》杂志上。 模仿人脑的神经拟态计算系统技术应运而生，克服了现有冯诺依
河大学者于国际权威期刊论述阻尼器未来
原文地址：http://news.sciencenet.cn/htmlnews/2021/3/455026.shtm 近日，河北大学教授闫小兵课题组在国际材料与器件领域知名学术期刊《先进功能材料》上在线发表长篇综述文章《忆阻器的未来：材料工程和神经网络》。文章系统回顾了忆阻器的现有材料和结构、基
新构建！深度脉冲神经网络学习框架“惊蜇”
中国科学院自动化所李国齐研究员和北京大学计算机学院田永鸿教授团队合作构建出深度脉冲神经网络学习框架“惊蜇”。它可以提供全栈式的脉冲深度学习解决方案，能够处理神经形态数据、构建深度脉冲神经网络、部署神经形态芯片。相关研究成果在线发表于《科学进展》杂志。图片来源：中国科学院自动化所脉冲神经网络被誉为第三
超表面元件加神经网络创建多维“视野”相机
科技日报北京9月10日电（记者张梦然）受动物界视觉超能力的启发，美国宾夕法尼亚州立大学工程学院研究团队开发出一种超薄光学元件——超表面。它可连接到传统相机上，并通过微小的天线状纳米结构，对快照或视频中图像的光谱和偏振数据进行编码。团队同时开发了一个神经网络，可在标准笔记本电脑上实时解码这些多维视觉信
阿里达摩院成功研发存算一体AI芯片
达摩院存算一体芯片实拍图。达摩院供图 12月3日，阿里巴巴达摩院（以下简称达摩院）宣布，该院已成功研发存算一体人工智能（AI）芯片。达摩院介绍，该存算一体芯片集成了多项创新技术，是全球首款使用“混合键合3D堆叠技术”实现存算一体的芯片。这一新型架构芯片的诞生，将有望助力存算一体技术从概念走向落地。
半导体所研制出超高集成度光学卷积处理器
近日，中国科学院半导体研究所集成光电子学国家重点实验室微波光电子课题组李明研究员-祝宁华院士团队研制出一款超高集成度光学卷积处理器。相关研究成果以Compact optical convolution processing unit based on multimode interference为题
高性能接口型忆阻器问世
美国洛斯阿拉莫斯国家实验室的科学家试图复制人脑无与伦比的计算能力，他们制造出了一种新的接口型忆阻设备。研究结果表明，该设备具有良好的可编程性和可靠性，可用作下一代神经形态计算的人造突触。相关论文发表于最新一期《先进智能系统》杂志。 研究示意图图片来源：物理学家组织网研究团队指出，与冯·诺依曼架构的
清华团队研发全新忆阻器存算一体芯片
原文地址：http://news.sciencenet.cn/htmlnews/2023/10/509995.shtm近日，清华大学集成电路学院教授吴华强、副教授高滨课题组基于存算一体计算范式，创造性提出适配忆阻器存算一体实现高效片上学习的新型通用算法和架构（STELLAR），有效实现大规模模拟型忆
存内计算，未来智能技术发展必经之路
存内计算由于突破传统冯·诺依曼架构瓶颈，实现了存储单元与逻辑单元的融合，成为实现智能计算的主要技术路线之一，受到业界龙头大厂的高度重视。在近日召开的国际固态半导体电路会议（ISSCC）上，SK海力士发表了基于GDDR接口的DRAM存内计算，台积电共发表（或合作发表）6篇有关存内计算存储器IP的论文。
中科院微电子所在图网络存内计算方面获重要进展
深度学习技术作为AI的重要引擎，近年来受到广泛关注和飞速发展。图神经网络（Graph Neural Network）是一种较新的深度学习技术，可用于处理更复杂的非结构化数据，广泛应用于社交网络、电子购物、药物预测、人机交互等应用场景。随着数据量的急速膨胀，传统CMOS数字硬件系统中运行图神经网络的效
科学家构建深度脉冲神经网络学习框架
脉冲神经网络（Spiking Neural Network，SNN）被誉为第三代神经网络，使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具，又因稀疏计算、事件驱动、超低功耗的特性，备受计算科学的关注。随着深度学习方法的引入，SNN的性能得到大幅提升，脉冲深度学习（Spik
神经形态计算：低功耗AI的未来途径
数据驱动的应用，特别是人工智能（AI）的日益普及，正在改变人类与技术的互动方式，也引发了人们对其进一步研究、开发和应用的浓厚兴趣，从而有效解决许多长期未解的复杂问题。不过，AI对环境的影响也愈发受到关注。为了应对低功耗系统执行复杂AI算法的挑战，神经形态技术是未来计算领域的有力竞争者，特别是在解决复
全线性的电流诱导多态自旋轨道耦合磁性存储器件研究
近期，中国科学院微电子研究所集成电路先导工艺研发中心研究员罗军课题组与中科院半导体研究所研究员王开友课题组合作，研制出全线性的电流诱导多态自旋轨道耦合（SOT）磁性存储器件，并实现了低能耗、可编辑的突触功能，为基于SOT-MRAM的低功耗存算一体逻辑和神经形态计算提供了一种新方法。 存算一体及
我国科学家发明新单晶体管逻辑结构
近日，复旦大学科研团队在集成电路基础研究领域取得一项突破。他们发明了让单晶体管“一个人干两个人的活”的新逻辑结构，使晶体管面积缩小50%，存储计算的同步性也进一步提升。相关研究成果已在线发表于《自然—纳米技术》。 在冯·诺依曼架构下，计算和存储是相互分离的。如今数据的计算速度越来越快，但存储速
时空稀疏小样本学习大规模神经形态数据集发布
近日，中科院自动化研究所研究员曾毅团队提出了一个用于时空稀疏小样本学习的大规模神经形态数据集——N-Omniglot，为脉冲神经网络的学习与训练提供了一个更具挑战性的基准。相关研究成果发表于自然出版社旗下期刊《科学数据》。 深度学习的成功在很大程度上归功于像ImageNet和COCO这样的数据集的引
类脑计算：让人工智能走得更远
像人一样思考，这是人们对人工智能和机器人的期待。大踏步前进的人工智能，似乎走到了十字路口。 “机器综合智能水平和人脑相差较大，机器学习需要较多人工干预，不同人工智能模态之间交互协同较少……”近日，在香港召开的第S43次香山科学会议上，与会科学家细数当前人工智能发展面临的瓶颈。 解铃还须
拥有－“嗅觉”－的新神经算法芯片介绍
前言： 人类除视觉、听觉之外，在嗅觉研究上有新突破，带来新想象空间和应用空间，人类对大脑的认知以及类脑芯片、AI芯片又跨上新台阶，未来的芯片发展之路又有可能另辟蹊径。类似人类大脑的神经拟态芯片神经拟态计算一直被寄予厚望。就算摩尔定律终结，它仍能继续带领信息时代向前。神经拟态计算可以大幅度提升
媲美人脑能效表现的类脑突触原型器件问世
记者从中国科学技术大学获悉，该校李晓光教授团队在前期研究基础上，基于对铁电畴形态和翻转动力学的设计，在铁电量子隧道结中实现了亚纳秒电脉冲下电导态可非易失连续调控的类脑突触器件，可用于构建人工神经网络类脑计算系统，研究成果日前发表于《自然通讯》杂志上。 以神经网络为代表的类脑人工智能技术正深刻
媲美人脑能效表现的类脑突触原型器件问世
中国科学技术大学李晓光教授团队在前期研究基础上，基于对铁电畴形态和翻转动力学的设计，在铁电量子隧道结中实现了亚纳秒电脉冲下电导态可非易失连续调控的类脑突触器件，可用于构建人工神经网络类脑计算系统，研究成果日前发表于《自然通讯》杂志上。 以神经网络为代表的类脑人工智能技术正深刻影响人类社会。但目
物理所制备基于二维层状氧化钼的全固态神经突触晶体管
人类的大脑可以认为是一种高效的信息存储与计算系统，具有非常低的功耗（~ 20 W）。这主要源于人脑对信息处理的独特方式。人脑中存在大量的神经元，其相互连接构成复杂的神经元网络。每两个神经元的连接点称为突触，信息通过突触连接强度（即突触权重）的变化进行存储与计算。突触可塑性即是通过特定模式的突触活