神经拟态计算：向人脑学习的高效能低功耗处理器技术

自计算机问世以来，运算效能与能耗消耗两大议题始终困扰着计算产业。在人工智能崛起的背景下，全球各地科研机构及相关公司积极探索提高处理器算力的新方法，神经拟态处理器即是一种创新尝试。

什么是神经拟态计算？——模仿大脑思维的三种实现路径

神经拟态计算，即模拟和探索人脑神经网络及其运作规律的领域，我们将之称为类脑计算或神经形态计算。数十年来，科学家们致力于复刻生物神经元的多功能运算模式，以期研发出高效能且低功耗的机器学习系统。

历经多年探索，业界已形成三种神经拟态处理器的实现路径：

• 数字CMOS型：通过逻辑门电路模拟生物单元行为。
• 数模混合的CMOS型：借助亚阈值模拟电路呈现生物神经元特性。
• 新型器件型：研发如忆阻器、相变存储器、铁电器件、磁隧道结、离子栅控晶体管等，并采用非硅基材料。

注意：前两种均基于硅基晶体管，而第三种属于非硅基探索。 目前大部分研究尚未实现商业化生产。