中新网北京6月1日电 (记者 孙自法)如何借鉴人脑的低功耗特性发展新型智能计算系统？这是人工智能领域颇受关注的重要研究方向。

　　中国科学院自动化研究所6月1日向媒体发布消息说，该所李国齐、徐波研究员团队与合作者共同研发出一套能够实现动态计算的算法-软件-硬件协同设计的、低功耗的类脑神经形态系统级芯片Speck，展示出类脑神经形态计算在融合高抽象层次大脑机制时的天然优势。

　　这项人工智能领域重要研究成果论文，近日在国际学术期刊《自然-通讯》(Nature Communications)发表。该研究实践证实高、低抽象层次大脑机制的融合能进一步激发类脑计算潜力，将为未来将大脑进化 过程中产生的各种高级神经机制融合至神经形态计算提供启发。

　　论文通讯作者李国齐研究员介绍说，人脑能够运行非常复杂且庞大的神经网络，总功耗却仅为20瓦，远小于现有的人工智能系统。因此，在算力比拼加速，能耗日益攀升的今日，借鉴人脑的低功耗特性发展新型智能计算系统成为极具潜力的方向。

　　在本项研究中，合作团队提出“神经形态动态计算”的概念，通过设计一种类脑神经形态芯片Speck来实现基于注意力机制的动态计算，在硬件层面做到“没有输入，没有功耗”，在算法层面做到“有输入时，根据输入重要性程度动态调整计算”，从而在典型视觉场景任务功耗可低至0.7毫瓦，进一步挖掘出神经形态计算在性能和能效上的潜力。

　　Speck是一款异步感算一体类脑神经形态系统级芯片，采用全异步设计，在一块芯片上集成了动态视觉传感器(DVS相机)和类脑神经形态芯片，具有极低的静息功耗(仅为0.42毫瓦)。它能够以微秒级的时间分辨率感知视觉信息，以全异步方式设计抛弃了全局时钟控制信号，避免时钟空翻带来的能耗开销，仅在有事件输入时才触发稀疏加法运算。

　　李国齐指出，针对脉冲神经网络(SNN)在更高层面，比如时间维度中不能根据输入难易度调整其脉冲发放等“动态失衡”问题，这项研究基于注意力机制的神经形态脉冲动态计算框架，在多种粒度上实现对不同的输入进行有区分地动态响应。同时，Speck软件工具链编程框架支持动态计算脉冲神经网络算法训练和部署。

　　该研究的实验结果表明，注意力机制可使得脉冲神经网络具备动态计算能力，即根据输入难易度调整其脉冲发放模式解决“动态失衡”问题，在显著降低功耗的同时，提升任务性能。在一个动态视觉传感数据集上，融合脉冲动态计算的Speck在任务精度提升9%的同时，平均功耗由9.5毫瓦降低至3.8毫瓦。(完)