可重构神经元SNN加速器芯片

峰值能效5.37 TSOPs/W

神经元电路可在LIF与Izhikevich模型间切换，配合异步全连接突触，在同一芯片上兼顾脑仿真与高效机器学习。

Qi, Xiangao · Xiangting, Li · Yuqing, Lou · 李永福 · 王国兴 · Tang, Keationg · 赵健

IEEE Journal of Solid-State Circuits 2024

参数信息

峰值能效

5.37 TSOPs/W

吞吐量

25.6 MSOPs/s

技术优势

一个芯片跑两种模型

神经元电路可以在LIF与Izhikevich模型之间切换，同一硬件既能做高效机器学习，也能进行脑仿真。

高能效

峰值能效达到5.37 TSOPs/W，每秒每瓦可执行5.37万亿次突触操作，适合功耗受限的场景。

应用场景

• 神经形态计算硬件：作为神经形态计算硬件，直接用芯片跑SNN模型，兼顾脑仿真与推理。
• 脑机接口边缘处理：低功耗高能效，适合脑机接口设备边端实时处理神经信号。
• 具身智能感知处理：图像特征提取能耗低至pJ级，可用于机器人视觉等具身智能感知。
• 低功耗IoT端侧推理：高能效SNN加速适合资源受限的IoT设备端侧推理。