输入感知脉冲网络

能效提升37.8倍

用脑启发式剪枝和硬件协同优化，让忆阻器脉冲神经网络在保持精度的同时大幅降低延迟和能耗。

王博 · Xinyuan, Zhang · Wang, Shaocong · Lin, Ning · Li, Yi · Yu, Yifei · Zhang, Yue · 吴小山 · Yangu, He · Songqi, Wang · Chen, Rui · 李国齐 · 邓岳 · Qi, Xiaojuan · 王中锐 · 尚大山

Science Advances 2025

参数信息

能效提升
37.8 ×
能效提升（Inception分数）
62.5 ×
计算负载降低
77 %
计算负载降低
12.5 %

技术优势

随机性不再是问题

受结构可塑性启发的剪枝优化能容忍忆阻器编程随机性，使网络在真实器件上依然稳定。

延迟显著降低

输入感知的早停策略让网络对简单输入提前终止计算，减少不必要的脉冲处理时间。

能效提升38倍

利用存内计算消除冯·诺依曼瓶颈，在忆阻器宏上实现比软件基线高 37.8 倍的能效。

计算负载减77%

剪枝和早停使计算负载降低 77%，而精度几乎不受影响。

应用场景