神经形态计算是一个相对较年轻的多学科研究领域，它旨在通过利用分布式处理、自适应学习和单个处理单元的神经功能来模仿生物信息处理。它可以提供不少优势，如降低每次计算的功耗、可以分布式处理和具备固有的容错操作。如果用可重构硬件做成类脑芯片的话，它会具有很高的通用性。
既然被称为「类脑」芯片，那这类芯片就应该更进一步地接近于真实生物大脑的机制和功能。技术的进步已经相继提高了人们快速和准确地模拟神经网络的能力。与此同时，对大脑神经元的理解也大大增加，成像和微探针对神经生理学的理解有了重要贡献。技术和神经科学的这些进步刺激了国际研究项目，其最终目标是模仿整个人类大脑。
众所周知，人脑包含约 1×10 11 个神经元，这些神经元通过 1×10 15 个突触相互连接，平均激发频率为 10 Hz，具有 10mW/cm 2 的极低功率密度（当代处理器的工作频率在千兆赫兹范围内，功率密度为 100 W/cm 2 ）。大脑的总体积为 2 L，质量为 1.5 kg，功耗为 20 W，很难用传统的计算架构进行模拟。大脑能够执行复杂的传感和认知处理，复杂的运动控制、学习和抽象，并且可以动态适应及应对不断变化的环境和不可预测的条件。
在模仿生物大脑方面，目前的 SNN 还只是朝着这一方向迈出了第一步。像 TrueNorth 这样很先进的芯片，它所实现的神经元数量（100 万个）实际上仅与蜜蜂的大脑相仿（见图 5.8）。而哺乳动物的大脑，如猫的神经元约为 1 亿个，是蜜蜂的 100 倍，而人类的神经元约为 1000 亿个，是猫的 1000 倍。
图 5.8 类脑芯片中的神经元和突触的数量已经与一些动物的神经元和突触数量相似
为了对大脑的机制和功能有更充分、深入的理解，一些研究类脑芯片的公司及研究机构，吸引了不少研究生物大脑的科学家，专门开辟
（本章节未完结，点击下一页翻页继续阅读）
正在加载...