异构脉冲神经网络

能耗降17.8倍

引入自抑制自突触与神经元异质性的脉冲神经网络，在学习与记忆能力上显著优于同构SNN。

王博 · Zhang, Yuxuan · 李洪珏 · Dou, Hongkun · 郭雨晨 · 邓岳

National Science Review 2025

参数信息

准确率提升幅度

1-10 %

能耗降低倍数

17.83 ×

技术优势

准确率提升

在多项AI任务中准确率提升1%-10%。

能耗降低

能耗最多降低17.83倍。

延迟缩短

延迟最多改善5倍。

稀有细胞识别

在scRNA-seq数据上首次实现SNN的细胞类型鉴定，准确识别与严重脑疾病相关的极稀有细胞类型。

应用场景

• 低功耗神经形态计算：以低于同构SNN的能耗完成推理，适合部署在对功耗敏感的边缘设备上。
• 脑机接口解码：模型能再现个体和群体神经元统计特性，有助于更准确地解码脑机接口数据。
• 单细胞数据分析：能准确识别与严重脑疾病相关的极稀有细胞类型，而这些细胞类型通常的SNN无法识别。
• 边缘AI芯片：模型的高效性和低延迟使其能嵌入边缘AI芯片，实现快速低功耗的本地推理。