机器之心专栏
机器之心编辑部
来自中科院计算所、北京邮电大学、上海科技大学和中国科学院大学的六位同学和一位教师组成的研究团队在arXiv上提出了一种功耗极低的神经形态处理器「文曲星22A」，结合了通用CPU和SNN计算的功能，并通过RISC-VSNN扩展指令集完成了高效计算。
几十年来，旨在模仿大脑行为的神经形态计算已得到广泛发展。人工神经网络（ANN）是人工智能（AI）中一个重要的概念，在识别和分类任务上取得了出色的性能。为了在硬件上更好地模拟大脑的行为，研究人员开发了一种既快速又节能的新方法——神经形态计算。
在神经形态计算中，脉冲神经网络（SpikingNeuralNetwork，SNN)是硬件实现的最佳选择。因此，近来一些研究把工作重点放在了加速SNN计算上。然而，大多数加速器解决方案都基于CPU加速器架构，这种结构因为复杂的控制流程而能源效率低下。
来自中科院计算所、北京邮电大学、上海科技大学和中国科学院大学的六位同学和一位教师组成的研究团队在arXiv上提出了一种功耗极低的神经形态处理器「文曲星22A」，结合了通用CPU和SNN计算的功能，并通过RISC-VSNN扩展指令集完成了高效计算。文曲星22A通过自定义RISC-VSNN指令集1.0（RV-SNN1.0）将SNN计算单元集成到通用CPU的pipeline中，实现了低功耗计算。
论文链接：