少脉冲神经元SNN处理器

能效提升最高172倍

可重构架构支持统一片上学习与自适应时间窗调节，在维持高精度下大幅降低能耗与时延。

Mao, Ruixin · Lin, Tang · Xia, Zihan · Aoyu, Shen · Haojie, Wei · Zhang, Zhaomin · Lu, Yuncheng · 龙宇 · 郭劲宏 · 周亮 · 常亮 · Liu, Shanshan · Tae-Hyoung Kim, Tony · 周军

IEEE Journal of Solid-State Circuits 2025

参数信息

能效提升

172.8 ×

加速比

1616.4 ×

工艺节点

55 nm

技术优势

脉冲更少

少脉冲神经元的优化编码解码方案用极少的脉冲和更短的时间窗就能完成高效计算。

三种学习都支持

统一架构支持FSN混合学习、FSN-BP和ANN到FSN-SNN转换，能适应不同应用对精度的要求。

时间窗自动调

精度驱动的自适应时间窗调节能在保持高精度的同时降低能耗和延迟。

应用场景

• 边缘AI推理：在边缘端用极少脉冲完成推理，省电且低延迟。
• 低功耗存储与计算：事件驱动和稀疏计算特性大幅减少访存与计算能耗。
• 物联网智能节点：片上学习和自适应时间窗让节点在低功耗下适应动态环境。
• 可穿戴设备：低功耗和小尺寸适合穿戴式设备的持续智能处理。
• 具身智能控制：低延迟推理与快速片上学习支持实时机器人控制。