[發明專利]一種用于大規模類腦計算網絡的種群路由方法

有效

• 申請號: 202011042170.8
• 申請日: 2020-09-28
• 公開（公告）號: CN112163673B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 丁宸;環宇翔;梁龍飛;閆鈺龍;鄒卓;鄭立榮
• 申請（專利權）人: 復旦大學;上海新氦類腦智能科技有限公司
• 主分類號: G06N3/063
• 分類號: G06N3/063
• 代理公司: 無錫經誠知識產權代理事務所(普通合伙) 32504
• 代理人: 丁雨燕

本發明公開了一種用于大規模類腦計算網絡的種群路由方法，涉及類腦人工智能技術領域，通過查找片上路由表中種群ID對應的路由信息，對每個收到的數據包進行轉發和保留。根據路由信息，數據包可能會被轉發至二維Mesh網絡或二維Torus網絡中四個臨近的芯片，以及可能被該芯片保留。通過源芯片和中途芯片在路由過程中對一個數據包的轉發，目的地芯片對數據包進行保留，一次多播路由過程以此完成。本方法有效地解決傳統路由方法中路由表所需的巨大體積問題。

技術領域

本發明涉及類腦人工智能技術領域，尤其是一種用于大規模類腦計算網絡的種群路由方法。

背景技術

脈沖神經網絡（SNN）被稱為第三代人工神經網絡，更加接近于人腦的實際行為，同時將時間信息的影響考慮進來。脈沖神經網絡通過模擬神經元的活動進行學習和推理。神經元之間通過突觸連接，以脈沖的形式傳遞信息，通過突觸可塑性對自身進行調整，達到學習和記憶的效果，實現神經網絡的預期功能。

神經擬態計算的具體實現與脈沖神經網絡極為相似。不同的是脈沖神經網絡是被設計用于特定的應用場景的人工智能，其目的是實現一定的推斷功能。而神經擬態計算旨在通過同化人腦的部分生物學信號，從而在一定程度上對人腦進行學習和模仿。這對深入認識大腦的結構和功能，了解思維過程中的意識流向有著重要的作用。

無論是脈沖神經網絡或者神經擬態計算，都離不開龐大算力的支持。現有的CPU在大規模并行計算上并不占有優勢，而GPU（圖形處理器）也存在著內存墻瓶頸，通用化的運算單元與存儲單元帶來了普適性的同時也決定了它并不完美契合類腦計算的需求。

因此定制化的FPGA（FPGA（Field?Programmable?Gate?Array）是在PAL、GAL等可編程器件的基礎上進一步發展的產物。它是作為專用集成電路（ASIC）領域中的一種半定制電路而出現的，既解決了定制電路的不足，又克服了原有可編程器件門電路數有限的缺點。）或ASIC(專用集成電路，是指應特定用戶要求和特定電子系統的需要而設計、制造的集成電路。)芯片能夠更好適應類腦計算，有著廣闊的應用場景。優點其計算單元完全依據神經擬態算法來設計，移去了冗余。計算單元也與存儲單元更加靠近，減少了數據存取的開銷，解除了內存墻瓶頸。神經間的信號傳遞更契合稀疏的特性，減少了不必要的帶寬占用。同時稀疏特性有助于解決超算芯片面臨的超高能耗問題。

大規模類腦計算網絡可以支持大體量的脈沖神經網絡和神經擬態計算，為其提供傳統計算平臺不具備的超高算力。但是大規模類腦計算網絡下，傳統路由方法會產生巨大體積的路由表，帶來存儲負擔。

因此，急需一種技術方案來解決該問題。

發明內容

本發明針對現有技術的不足，提出一種用于大規模類腦計算網絡的種群路由方法，通過查找片上路由表中種群ID對應的路由信息，對每個收到的數據包進行轉發和保留。根據路由信息，數據包可能會被轉發至二維Mesh網絡或二維Torus網絡中四個臨近的芯片，以及可能被該芯片保留。通過源芯片和中途芯片在路由過程中對一個數據包的轉發，目的地芯片對數據包進行保留，一次多播路由過程以此完成。

為了實現上述發明目的，本發明提供以下技術方案：

一種用于大規模類腦計算網絡的種群路由方法，將類腦計算芯片上的神經元劃分為若干種群，每個所述種群包含唯一種群ID，所述種群ID對應唯一路由表信息；所述類腦計算芯片間的神經元脈沖以數據包的形式傳遞；包括如下步驟：

步驟（1）類腦計算芯片接收其它類腦計算芯片發送的數據包；

步驟（2）提取所述數據包中的神經元源ID，獲取所述神經元源ID對應的種群ID；

步驟（3）通過所述種群ID獲取對應的路由表的路由信息；

步驟（4）根據所述路由信息決定所述數據包的轉發或保留。