[發明專利]一種面向億級神經元類腦計算機的芯片擴展方法

有效

• 申請號: 202011261807.2
• 申請日: 2020-11-12
• 公開（公告）號: CN112269751B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 馬德;戴書畫;李一濤;潘綱
• 申請（專利權）人: 浙江大學
• 主分類號: G06F13/40
• 分類號: G06F13/40;G06F13/42;G06N3/06
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 曹兆霞

本發明公開了一種面向億級神經元類腦計算機的芯片擴展方法，包括以下步驟：通過以太網通信模塊為所述面向億級神經元類腦計算機拓展連接多個芯片簇，組成計算集群；通過數據中轉站為每個芯片簇拓展連接多個芯片陣列；通過異步數據通信模塊為每個芯片陣列拓展連接矩陣排列的多個類腦計算芯片，每個類腦計算芯片包含以矩陣排列的多個計算神經元節點。該芯片擴展方法高效率、靈活、且具有層次化，能夠將類腦計算芯片神經元規模提升至上億級別。

技術領域

本發明屬于人工智能計算芯片領域，具體涉及一種面向億級神經元類腦計算機的芯片擴展方法。

背景技術

隨著摩爾定律的到達物理器件的瓶頸，傳統的馮諾依曼體系結構的計算機由于“內存墻”、“功耗墻”等原因，其計算性能已經無法維持高速的增長。如何在提高計算性能的同時降低功耗成為一個日益嚴峻的問題。隨后人們將目光轉向了人腦，人腦是一個高度發達的計算體系結構，其在完成高性能的計算的同時，僅僅用了不到20W的功耗。同時人腦在形象認知方面有其獨特的優越性，也具有傳統計算機架構無可比擬的魯棒性、容錯率。人類的大腦由許許多多的神經元組成，具有突觸、軸突、胞體等結構，近些年來興起的人工神經網絡是對人腦結構的模仿，抽象出其層級結構和神經元互聯的特性。人工神經網絡雖然實現了較好的計算性能，但是消耗了大量的能量。因此人們對人腦進行生物級的模仿，產生了類腦計算芯片。

類腦計算芯片從根本上解決了傳統馮諾依曼架構“內存墻”的問題。類腦計算芯片采用片上網絡(NoC)作為其通信架構，使用網格式拓撲結構，每個路由器上掛載一個計算單元。每個計算單元都擁有自己的本地存儲。這種存算一體的結構大大減少了數據的搬運所消耗的時間和功耗，并且將計算分布在各個節點，進行大規模的并行計算，進一步提高了計算效率。類腦計算硬件設備最大的優勢就是低功耗，因此它可以應用到對能效要求較高的領域，如智能穿戴設備及物聯網技術等。

脈沖神經網絡是類腦計算芯片的算法基石。神經學家認為大腦擁有如此出色的性能主要基于三個特性：大量而又廣泛的連接、同時具有時間和空間特性的信息傳遞方式和本地存儲的突觸結構。脈沖神經網絡正是應用這三個特性而誕生的第三代神經網絡，相較于現行的深度神經網絡，它采用時序脈沖作為信息傳遞的媒介，其算法本身具有事務驅動的特性，符合硬件低功耗設計的思想，易于硬件實現。脈沖神經網絡大部分采用小樣本、無監督式學習方法，相較于深度神經網絡的學習數據量需求較小，計算流程較短，容錯率和魯棒性較高。脈沖神經網絡對有認知型任務有著獨特的優勢，實現脈沖神經網絡計算硬件也是對傳統計算機的補充與突破。

人腦的單個神經元只有簡單的功能，但是上億個神經元組成一個龐大的神經元計算集群，通過簡單的學習便可以完成各式各樣的復雜任務。因此，類腦計算芯片的大規模擴展仍然該領域發展進程上的關鍵問題，芯片間的通信效率和芯片群的協調與管理都是規模擴展的瓶頸之處。

發明內容

本發明的目的就是提供一種面向億級神經元類腦計算機的芯片擴展方法，該芯片擴展方法高效率、靈活、且具有層次化，能夠將類腦計算芯片規模提升至上億級別。

為實現上述發明目的，本發明提供的技術方案為：

一種面向億級神經元類腦計算機的芯片擴展方法，包括以下步驟：

通過以太網通信模塊為所述面向億級神經元類腦計算機拓展連接多個芯片簇，組成計算集群；

通過數據中轉站為每個芯片簇拓展連接多個芯片陣列；

通過異步數據通信模塊為每個芯片陣列拓展連接矩陣排列的多個類腦計算芯片，每個類腦計算芯片包含以矩陣排列的多個計算神經元節點。

所述異步數據通信模塊作為每個類腦計算芯片的通信橋梁，包括異步收發接口、并行分發單元、串行仲裁單元；

所述異步收發接口異步接收和發送傳輸數據；