脑启发脉冲神经网络

进化出多类神经回路

通过进化前馈与反馈连接、兴奋与抑制神经元，该网络突破了传统脉冲神经网络仅前馈结构的限制，在感知和强化学习任务上具备更强能力。

Shen, Guobin · Zhao, Dongcheng · Dong, Yiting · 曾一

Proceedings of the National Academy of Sciences of the United States of America 2023

技术优势

进化出多样神经回路

利用神经元的局部脉冲行为，通过STDP局部规则自适应地进化出前向兴奋、前向抑制、反馈抑制和侧向抑制等回路。

提升感知任务性能

在多个基准数据集上达到最先进或先进性能，证明进化后的网络在图像分类任务上具有更强能力。

强化学习媲美ANN

结合on-policy和off-policy深度强化学习算法时，性能与人工神经网络相当，拓宽了脉冲网络的应用范围。

应用场景

• 具身智能：用于需要实时感知与决策的机器人，替代传统人工神经网络以降低功耗。
• 先进机器人：为先进机器人提供低功耗、事件驱动的智能处理，适合动态环境下的自主控制。
• 计算芯片：可作为神经形态芯片的网络模型，其脉冲特性与芯片的异步计算范式天然匹配。
• 量子通信：进化出的反馈与抑制回路可用于量子通信系统中的信号处理与纠错。
• 量子与拓扑材料：利用网络进化策略辅助设计与优化具有量子或拓扑性质的材料结构。