[發明專利]用于大規模類腦計算網絡的種群聚類及種群路由方法

有效

• 申請號: 202011046417.3
• 申請日: 2020-09-28
• 公開（公告）號: CN112149815B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 環宇翔;鄒卓;鄭立榮;丁宸;賈浩;閆鈺龍
• 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;G06N3/006
• 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

本發明公開了用于大規模類腦計算網絡的種群聚類及種群路由方法，涉及路由技術領域，所述類腦計算網絡部署在多個CPU或GPU或可進行類腦計算的FPGA和ASIC芯片上，且由神經元及其之間的拓撲連接關系組成，將所述神經元劃分為不同種群；所述種群內對應的所述神經元聯系緊密；所述種群間對應的所述神經元聯系稀疏；同一種群內的所述神經元放置于同一芯片上，且共用相同的路由條目和路由路徑；不同種群內的所述神經元放置于同一芯片或不同芯片。本方法通過將神經元合理聚類為種群，有效地減少了跨片的通信頻率和路由的存儲開銷，并提高了系統的效率。

技術領域

本發明涉及類路由技術領域，尤其是用于大規模類腦計算網絡的種群聚類及種群路由方法。

背景技術

類腦計算旨在創造并發展接近人類大腦的智能形式。通過參照大腦的結構、學習大腦的智能、模仿人腦的行為，機器可以在進行類腦計算時擁有一定的推理、記憶和分析能力，最終實現人腦能夠完成的部分或全部功能。在發展類腦計算的過程中，亦能幫助我們更好地理解究竟是什么賦予了人類智能，甚至帶來強人工智能或通用人工智能上的重大突破。

神經擬態計算是計算機科學、神經科學、生物學、心理學等諸多學科的交叉領域。其通過模仿神經元的生理學行為，復刻神經系統的網絡結構，來構建完整的神經計算網絡。神經擬態計算在器件層次模擬神經元，在結構層次模仿大腦，最終實現在智能層次逼近大腦。通過對神經擬態計算網絡和大腦行為的同化，能夠逐步構建并完善為數字化信息化的人腦，這有助于研究者更好地理解并分析大腦結構和功能。

脈沖神經網絡是類腦計算的另一應用領域。它是被設計用于特定應用場景的弱人工智能，目的是實現一定的推斷功能，被譽為第三代人工神經網絡。脈沖神經網絡也通過模仿神經元的行為搭建網絡結構，神經元之間通過突觸連接，通過脈沖在網絡中傳遞信息。突觸可塑性使得脈沖神經網絡具有學習和記憶能力，以實現一定的網絡功能。相較于傳統人工智能網絡，脈沖神經網絡的信息編碼方式更加稀疏化，體系結構也將時空信息緊密耦合在一起。這樣的基礎結構有望解決傳統人工智能功耗極高的問題，為人工智能帶來新的變革。

大規模類腦計算網絡需要實現百萬、千萬甚至數以億計的神經元，因此依賴于海量計算設備。計算網絡往往部署在多個CPU、GPU、FPGA或ASIC上，以此來滿足巨大的存儲空間要求和突破帶寬速率的瓶頸，實現對類腦計算網絡的快速甚至實時模擬仿真。在類腦計算網絡的跨芯片運行時，片間的通信帶寬顯著地低于片上帶寬，因此跨片通信的帶寬是系統的帶寬瓶頸之一。在不干擾系統正常運行的情況下減少跨片通信的頻率，能夠顯著提高系統性能。同時多芯片間往往需要進行脈沖信息的傳遞，因此跨芯片通信依賴于路由方法。隨著神經元規模的增長，路由條目呈幾何倍數增加，帶來了巨大的存儲負擔。同時龐大路由條目的讀取，也進一步加重了內存通道的負載，使得讀取速率受限。因此，一種適應于大規模類腦計算網絡的、可以減少跨芯片通信頻率和路由存儲開銷的路由方法，對類腦計算的實施尤為重要。

發明內容

本發明針對現有技術的不足，提出用于大規模類腦計算網絡的種群聚類及種群路由方法，通過對連接矩陣的矩陣重排將神經元劃分為不同的種群。種群內部連接緊密，種群間連接稀疏。通過將同一種群內的神經元放置在同一芯片上，顯著地減少了跨片通信的頻率，提高系統的性能。本方法通過將神經元合理聚類為種群，有效地減少了跨片的通信頻率和路由的存儲開銷，并提高了系統的效率。

為了實現上述發明目的，本發明提供以下技術方案：

用于大規模類腦計算網絡的種群聚類及種群路由方法，所述類腦計算網絡部署在多個CPU或GPU或可進行類腦計算的FPGA和ASIC芯片上，且由神經元及其之間的拓撲連接關系組成，將所述神經元劃分為不同種群；所述種群內對應的所述神經元聯系緊密；所述種群間對應的所述神經元聯系稀疏；同一種群內的所述神經元放置于同一芯片上，且共用相同的路由條目和路由路徑；不同種群內的所述神經元放置于同一芯片或不同芯片。

優選的，所述神經元之間通過脈沖信號傳遞信息，所述神經元之間構成的神經元網絡的拓撲由連接矩陣表征。