AM综述|神经形态工程：从生物神经系统到基于脉冲的神经形态系统 ...

文章链接：https://doi.org/10.1002/adma.202003610

生物与人工计算系统

背景

理解大脑工作机制一直是一项令人着迷且具有挑战性的工作。人类的大脑是一个巨大的神经网络，其中数十亿的神经元通过数万亿的突触相互连接。人脑具有超高的连通性、功能性的组织层次、复杂的学习规则和神经元突触可塑性，可以同时执行不同的复杂任务，具有大规模的并行性、极低的功耗、极好的容错能力和较强的鲁棒性。科学家们因此受到启发，投入了无数的时间来发展人工智能(AI)，它的计算能力与大脑一样强大。我们需要一个高性能的人工智能芯片来填补人工计算平台和人脑之间的鸿沟。

摘要

人脑是一个复杂的、高性能的生物计算机，它能同时高效、低功耗地处理多个复杂任务。科学家们长期以来一直在寻找一种可以与人脑匹敌的人工智能(AI)。基于神经形态计算平台的脉冲神经网络模拟了大脑神经系统的结构和信息处理机制，为人工智能的构建提供了新的思路。材料工程、器件物理、芯片集成和神经科学的快速发展导致了神经形态计算领域令人兴奋的进展，目标是克服冯·诺依曼瓶颈。本文对生物神经系统神经元和突触的结构和工作原理的相关基础知识进行了综述。然后概述了神经形态硬件系统的发展，从人工突触和神经元到基于脉冲的神经形态计算平台。希望这篇综述能够为类脑计算的发展提供新的思路

The human brain is a sophisticated, high‐performance biocomputer that processes multiple complex tasks in parallel with high efficiency and remarkably low power consumption. Scientists have long been pursuing an artificial intelligence (AI) that can rival the human brain. Spiking neural networks based on neuromorphic computing platforms simulate the architecture and information processing of the intelligent brain, providing new insights for building AIs. The rapid development of materials engineering, device physics, chip integration, and neuroscience has led to exciting progress in neuromorphic computing with the goal of overcoming the von Neumann bottleneck. Herein, fundamental knowledge related to the structures and working principles of neurons and synapses of the biological nervous system is reviewed. An overview is then provided on the development of neuromorphic hardware systems, from artificial synapses and neurons to spike‐based neuromorphic computing platforms. It is hoped that this review will shed new light on the evolution of brain‐like computing