【「AI芯片：科技探索与AGI愿景」阅读体验】+神经形态计算、类脑芯片

AI芯片不仅包括深度学细AI加速器，还有另外一个主要列别：类脑芯片。类脑芯片是模拟人脑神经网络架构的芯片。它结合微电子技术和新型神经形态器件，模仿人脑神经系统机选原理进行设计，实现类似人脑的超低功耗和并行处理信息能力。
类脑芯片的理论基础是神经形态计算，即借鉴生物神经系统信息的处理模式和结构，以人脑为蓝本、旨在构建能够像人脑一样学习、感知及决策的计算系统。
实现神经形态极端的关键技术是SNN。是实现类脑芯片的基本模型。SNN中的神经元通过短的电脉冲相互沟通，脉冲之间的时间间隔起着重要作用。
最有利于硬件实现的脉冲神经元模型是“漏电整合-激发”模型：


与DNN相比，SNN的优势与区别：
①SNN能够并行处理信息
②SNN能够适应不断变化的环境
③持续激发
④频率可变
⑤信息由脉冲的时序表示
⑥在时间维度上有关键优势，SNN可以在时域中运行，能够实时处理信息
本章作者为我们讲解了最近几年神经元计算及类脑芯片的重大进展。
一、云端使用的神经形态计算与类脑芯片
神经形态计算旨在设计和构建包括硬件和软件在内的计算机系统，通过模拟大脑神经元和突触的工作方式，更高效的执行认知任务。
类脑芯片介绍：
1）SpiNNaker系列

2）TrueNorth与NorthPole

3）Loihi系列

4）BrainScaleS系列

5）天机

二、基于大模型的神经形态计算架构

SpikeGPT的有效性的提升：

脉冲驱动Transformer的独特特性：

三、超导与非超导低温类脑芯片
低温器件是指在低于绝对零度（-273.15℃）的温度范围内工作的器件。
大型神经形态网络功耗的主要来源是神经元和突触之间的大规模互连。在这方面，超导体和超导器件具有无损耗特性,可用作神经形态网络中的低功耗互连器件。此外,超导器件还具有前所未有的低功耗和超高速开关特性。
利用超导体或非超导低温器件来模拟大规模生物神经元网络是 AI芯片发展的重要方向。如果利用超导约瑟夫森结(JJ)来模拟与实时突触电路相连的神经元,神经网络运行的速度要比目前的数字或模拟技术提升几个数量级。

1、超低温类脑芯片

JJ：

QPSJ：

SNW：

基于JJ的超导神经元和突触：

2、半导体与超导体回合式神经形态网络

工作原理：

3、非超导低温类脑芯片
（知识盲区了）


4、低温AI类脑芯片的潜力

四、以树突为中心的合成大脑
生物神经元的树突是一种奇妙的突触结构，有多个分支，承载着多个突触群，使复杂网络的通信和处理成为可能。

不同的神经网络

五、自选波类脑芯片



书里的内容越来越烧脑了，
需要不断的学习才能理解
加油吧少年