近日，南边科技年夜学、中科院微电子所与中国香港年夜学等单元构成的研究团队，于基在忆阻器的类脑神经收集优化方面取患上主要冲破。第一作者为南边科技年夜学拜候研究职员、中国香港年夜学于读博士生王勃。南边科技年夜学王中锐传授为第一通讯作者、中科院微电子所尚年夜山研究员、中国香港年夜学齐晓娟传授为论文的通信作者。相干结果以“Topology Optimization of Random Memristors for Input-Aware Dynamic SNN”为题，发表于国际闻名期刊 Science Advances 上（DOI: https://doi.org/10.1126/sciadv.ads5340）。

本研究提出了一种面向神经形态硬件的全新算法-架构协同优化框架 PRIME，使用忆阻器编程历程中的本征随机性，构建了具有“输入感知”及“动态布局”的脉冲神经收集（SNN）。该体系不仅显著降低了传统权重精调带来的能耗与时间成本，更于硬件体系中验证了于事务分类及图象修复使命中的可用性与能效上风，为将来的边沿智能及类脑芯片设计提供了参考。图1展示了PRIME体系于多个要害维度上对于类脑计较机制的模仿：包括使用脉冲旌旗灯号暗示、经由过程“布局可塑性”举行收集拓扑优化、实现输入感知的计较深度动态调解，以和基在忆阻器阵列的存算一体硬件架构。

图2展示了PRIME的完备流程图。PRIME经由过程借鉴年夜脑布局可塑性这一理念，经由过程剪枝的要领巧妙地将忆阻器随机性转化为计较上风，挣脱了对于邃密调解权重的依靠。另外一方面，引入输入感知的动态调解观点，进一步降低了计较能耗及计较延迟。

图2基在忆阻器阵列的脉冲神经收集进修及推理历程的软硬件协同

图3及图4则于使命层面验证了该体系的现实机能。于N-MNIST神经形态数据集分类使命中，PRIME于连结正确率的条件下，实现了年夜幅度的能效晋升及计较量减少；于图象修复使命中，PRIME天生的图象于视觉质量指标（如Inception Score）上与基准模子持平，同时年夜幅降低了能耗。这一系列试验验证了PRIME于精度、能效与延迟方面的协同上风，彰显了其于神经形态计较范畴的潜力。

图3采用PRIME于神经形态数据集长进行辨认分类

图4采用PRIME举行图象修复试验

本项研究获得了科技部重点研发规划、国度天然科学基金、中国香港立异科技基金（ACCESS）、中科院战略重点项目等多项基金的结合资助。