回顾神经启发式计算机芯片开发的最新进展

近年来，全球许多研究团队一直在开发受人脑启发的计算技术，例如深度学习算法。虽然这些技术中的一些被认为在广泛的应用中很有前途，但是常规硬件并不总是支持其计算负荷，因此会限制其性能。

为了克服现有硬件的局限性并确保以大脑为灵感的计算技术获得最佳结果，可能的解决方案需要创建新的电子组件，以更好地反映人脑的结构。一类受神经启发的计算芯片是专门为模仿人类和其他动物的大脑神经结构的人工智能(AI)应用而设计的。

中国清华大学的研究人员回顾了神经启发性计算芯片设计的最新进展，以了解迄今为止取得的进展并确定仍需克服的挑战。他们发表在《自然电子》上的评论文章还概述了一系列共同设计原则，这些原则可以为新的神经启发性电路，设备和算法的开发提供信息。

进行这项研究的研究人员之一华强强(Waqiang Wu)对TechXplore表示：“本文的想法来自我们先前设计神经启发性计算芯片的尝试。” “在过去的研究中，我们发现很难在单个级别(例如设备或电路级别)上优化这些芯片的性能，并且需要使用涵盖广泛领域的协同设计策略来优化此类芯片。从设备到算法的各种元素。”

Wu和他的同事在他们的新论文中仔细研究了神经启发性计算芯片设计的最新发展，并反思了他们在该领域的努力中所汲取的一些教训。此外，他们概述了一组基准测试指标和共同设计原则，可以帮助其他尝试开发这些芯片的人。

Wu说：“我们希望我们的工作能够帮助非专业读者找到更多关于神经启发性计算芯片的信息，同时也促进这一研究领域的更大发展。” “我们主要研究了神经启发的计算芯片在支持算法，增强神经网络或人工(深度)神经网络方面的潜力。”

Wu和他的同事们强调了工程师在评估神经启发型计算芯片的有效性时可以重点关注的四个指标：计算密度，能效，计算精度和片上学习能力。