脉冲神经网络原理及应用pdf_脉冲神经网络仿真平台开源！打通深度学习类脑芯片通路...

最近，瑞士类脑芯片公司aiCTX对外宣布开源其脉冲神经网络仿真平台SINABS。SINABS是目前全球第一款打通了深度学习、脉冲神经网络、类脑芯片完整通路的仿真平台，有了这一仿真平台，我们就可以非常方便地进行训练、测试和验证大规模脉冲神经网络模型。

脉冲神经网络 (SNN：Spiking Neuron Networks) ，又称第三代人工神经网络。第一代神经网络是感知器，它是一个简单的神经元模型并且只能处理二进制数据。第二代神经网络包括比较广泛，包括应用较多的BP神经网络，第二代神经网络传递的内容都是基于数值的，因此和生物大脑中采用脉冲传递信息存在差距。

在这样的情况下，第三代人工神经网络--脉冲神经网络应运而生。脉冲神经网络采用了生物神经元模型如IF，LIF等，比之前人工神经网络的神经元更接近生物；信息的传递是基于脉冲进行，所以网络的输入要进行额外编码；基于脉冲的脉冲的编码，能蕴含更多的信息；网络的能耗更低，每个神经元单独工作，部分神经元在没接受到输入时，将不会工作。因此，脉冲神经网络更高效、数据更丰富、功耗也更低。

在类脑芯片方面，IBM在2014年就发布的类人脑芯片TrueNorth，在这个只有邮票大小的硅片上，集成了100万个“神经元”，256个“突触”，4096个并行分布的神经内核，用了54亿个晶体管，然而功耗却只有70mW。加载了神经网络模型的TrueNorth芯片，可作为实时感知流推理引擎使用，而且能够在快速、准确分类的同时保持超低功耗。TrueNorth拥有100万个神经元，邮票大小，能力相当于一台集成了“神经突触”的超级计算机。

除了TrueNorth外，英特尔Loihi芯片、高通Zeroth芯片、西井科技DeepSouth芯片、浙大“达尔文”类脑芯片。

而最近一种在光线作用下工作的人工神经网络芯片问世，更是为创造下一代类脑计算机铺平了道路。光学神经突触网络能够学习信息，并且使用它作为计算和模式识别的基础，这和人类大脑的工作方式很类似，此外这个系统并没有采用传统的电子运动方式，转而采用了更快速度的光线驱动(光的运动速度：3乘以10的八次方米每秒)。因此工作功率更低，速度更快。

从深度学习、脉冲神经网络、类脑芯片的基础研究，到脉冲神经网络仿真平台SINABS的开源，系统化的训练、测试和验证大规模脉冲神经网络模型，将对未来人工智能发展带来非常好的帮助，未来可期。

对此，你们怎么看？