热点话题转载：脑类计算机

类脑计算是生命科学，特别是脑科学与信息技术的高度交叉和融合，其技术内涵包括对于大脑信息处理原理的深入理解，在此基础上开发新型的处理器、算法和系统集成架构，并将其运用于新一代人工智能、大数据处理、人机交互等广泛的领域。类脑计算机即是模拟大脑神经网络运行、具备超大规模脉冲实时通信的新型计算机模型。

定义

类脑计算是生命科学，特别是脑科学与信息技术的高度交叉和融合，其技术内涵包括对于大脑信息处理原理的深入理解，在此基础上开发新型的处理器、算法和系统集成架构，并将其运用于新一代人工智能、大数据处理、人机交互等广泛的领域。

介绍

众所周知，哺乳动物特别是人类的神经系统，是自然界中最高效、最健壮的结构之一。人类大脑拥有大量的连接，表现出强大的并行性。它具有约10¹¹个神经元和10¹⁵个突触，耗能却仅约20W。神经元以几毫秒的速度实现生物互联，对组件级的故障具有优异的容错机制。对于计算机科学家来说，神经系统和数字系统之间具有巨大的相似性。细胞体、树突、轴突、神经末梢以及突触等结构共同构成了一个神经元模型。具体来说，神经元的核心部位是一个含核的细胞体，其半径为2~60 微米；细胞体表面有长短不一的两类细胞突起，分别是长条的轴突（只有一根）和短条的树突（通常为多根）；一个神经元间的兴奋传递经由轴突、神经末梢最终抵达突触（神经元间相连的部位）。各种功能的神经元构成了一个完整的神经系统，它能对信息进行有效的接收、整合和传递，这被认为是神经系统学习和适应等过程的核心环节。虽然大脑神经网络在不同的层级水平上具有不同的信息处理与逻辑分析能力，但它们却是协同统一的整体，彼此之间紧密联系。

类脑计算机正是这样一款模拟大脑神经网络运行、具备超大规模脉冲实时通信的新型计算机模型。类脑计算机通过模拟生物大脑神经网络的高效能、低功耗、实时性等特点，借助大规模的CPU 集群来进行神经网络实现。在CPU集群中，每条线程将映射模拟对应的神经元，成千上万的线程（神经元）有序运行构成完整的大规模神经网络。由于超大规模的神经元网络需要实现彼此通信的神经元数据巨大，传输的数据包众多，而且还有大量的物理线路需要部署，故而超大规模类脑计算机需要解决诸如数据实时组播、板间互联和脉冲通信等关键技术问题。

特点

理想类脑计算平台的主要特点分为网络构建、本身特性和性能优势三个方面。通过构建类似大脑的神经元算子、网络计算模型、信息编码理论、突触学习规则等，设计与之对应的大规模集成电路平台，建立与之匹配的网络拓扑结构映射与通信路由方法，从而产生类似大脑的层级处理、时空关联、大规模分布并行与存储处理一体化等关键特性，并获得高速实时、高能效、自适应调节以及功能的通用性与多样化等诸多优势。

对比

当前计算机技术正面临两个重要的瓶颈：“冯·诺依曼”架构导致的存储墙效应造成能效低下，以及引领半导体发展的摩尔定律预计在未来数年内失效。一方面，传统处理器架构需将高维信息的处理过程转换成纯时间维度的一维处理过程，其效率低、能耗高；在处理非结构化信息时无法构造合适的算法，尤其在实时处理智能问题时难以满足需求。此外，信息处理过程在物理分离的中央处理器和存储器内完成，程序和数据依次从存储器读入中央处理器进行处理，而后再送回存储器中，该过程造成大量的能耗损失。程序或数据往复传输的速率与中央处理器处理信息的速率不匹配导致严重的存储墙效应。另一方面，随着业界进入的亚10 纳米技术节点，器件越来越逼近各自物理微缩的极限，量子效应越来越干扰器件的正常工作。虽然对于摩尔定律的具体终结时间人们有不同的估算，但工业界对于持续50年摩尔定律的终结本身并无争议。^[2]

显而易见，对脑神经科学展开深入研究，并研发相应的类脑计算技术便尤为迫切。欧盟、美国、英国、韩国、日本等国家/地区都已深度开展脑科学或神经科学等相关领域的研究，2016 年更是被誉为类脑计算机研究的元年。类脑计算机与传统计算机所依托的理论和技术均有所不同，下面从体系结构、基础软件、应用软件、典型应用、智能目标等方面来进行简要比对。