一种基于FPGA的脉冲神经形态计算系统技术方案

本发明专利技术公开了一种基于FPGA的脉冲神经形态计算系统，包括拓扑结构及节点结构，所述节点结构包括：通信单元、路由单元、计算单元，所述拓扑结构包括以下特征：简单易行、可扩展性、路由简单易行、高性能成本比。本发明专利技术的优点：提供了基于商用FPGA平台，设计并实现一种简单易行、可扩展的神经形态计算架构系统，为第三代神经网络即脉冲神经网络的运行计算提供一种低成本平台。低成本平台。低成本平台。

【技术实现步骤摘要】
一种基于FPGA的脉冲神经形态计算系统


[0001]本专利技术涉及神经形态计算架构系统
，具体是指一种基于FPGA的脉冲神经形态计算系统。

技术介绍

[0002]人们对人工智能的追求源自于对思维、对人脑的思考与认识，早在两千多年前的古希腊时期，当时的哲学家们就已经开始思考思维是如何产生的，并将目光聚焦在了人脑上。随着科技的不断进步，生理学的不断发展，人们对人脑的认识越来越精确，这进一步促进了人类对于类脑智能的追求。
[0003]研究表明，人脑以神经元为基本计算处理单元，突触是人脑记忆和学习的重要结构，此外，对灵长类动物视觉系统研究还发现，此系统为层次化架构，各层之间互相连接，随着层级的逐渐加深，对视觉观察到的物体的表征更加鲁棒，最终达成对物体的视觉识别能力。基于此生物研究，现代深度神经网络正是借鉴采用了此层次化架构。
[0004]如前所述，国内外各个国家和地区对类脑计算的投入巨大，相继启动了各自的“脑计划”，随着研究的不断推进，各种成果相继涌现出来，其中，最具代表性的是欧盟支持的由曼彻斯特大学研发的SpiNNaker、海森堡大学研发的BrainScaleS，美国支持的IBM公司研发的TrueNorth芯片，斯坦福大学的Neurogrid和高通公司的Zeroth。
[0005]自2008年起，美国就开始资助IBM公司研发脉冲神经网络芯片，2014年，IBM公司推出了其第二代类脑芯片TrueNorth，神经元数量达到100万个，突触数量达到2.56亿。在TrueNorth的网络架构中，其网络节点为神经突触核，其内存、CPU和通信模块集成在一起，信息处理完全在节点上进行处理。并且，由于单一节点上的信息处理量较小，从而避免了传统冯
·
诺伊曼架构上存在的CPU与内存之间的瓶颈。
[0006]目前，以SpiNNaker、TrueNorth等为代表神经形态计算系统设计复杂，而FPGA相对更加简单易行，因此，本文的研究内容为以FPGA为节点的实现平台，设计并实现一种简单易行的神经形态计算架构系统，对第三代神经网络进行仿真分析

技术实现思路

[0007]本专利技术为了解决上述的各种问题，提供了基于商用FPGA平台，设计并实现一种简单易行、可扩展的神经形态计算架构系统，为第三代神经网络即脉冲神经网络的运行计算提供一种低成本平台的一种基于FPGA的脉冲神经形态计算系统。
[0008]为解决上述技术问题，本专利技术提供的技术方案为：一种基于FPGA的脉冲神经形态计算系统，包括拓扑结构及节点结构，所述节点结构包括：通信单元、路由单元、计算单元，所述拓扑结构包括以下特征：
[0009]1)简单易行。本文实现的系统是有实际应用需求的系统，因此，其方案的实现复杂度是一个重要的评价指标。对于神经形态计算大规模神经网络模拟的场景下，节点数量庞大，如果节点间的拓扑结构十分复杂，势必为系统带来更复杂的路由方案设计，更复杂的物
理连接等成本，因此，简单易行是拓扑结构的一个设计目标；
[0010]2)可扩展性。神经形态计算的目的是对大规模生物神经系统进行仿真，单节点的仿真能力距离目标可谓是天差地别，必须要有大规模的节点互相连接才能实现。并且，在部分应用场景下，需要对现有的节点网络进行扩展以实现对更大规模网络的仿真。因此，拓扑结构的选择应当具有可扩展性，这也是降低系统实现复杂度的一种方式；
[0011]3)路由简单易行。路由与拓扑结构紧密联系，同样考虑到实现复杂的问题，路由算法的实现、路由表的大小等等都是至关重要的指标，因而，在进行拓扑结构选择的时候，应当考虑到对应的路由规则是否满足要求；
[0012]4)高性能成本比。衡量拓扑结构的指标有很多，比如带宽、功耗、拓扑结构的物理面积等等，有的拓扑结构具有很高的带宽，但是同时也有更高的能耗，因此，性能成本比是衡量拓扑结构的一个重要指标。其次关于节点结构，对于单一节点而言，其神经元计算的存储空间、各个通信端口的缓存区等资源的消耗是设计的重要指标。
[0013]优选的，所述拓扑结构为Mesh拓扑结构。
[0014]优选的，所述通信单元为了最终实现基于FPGA的脉冲神经网络应用，必须实现节点与节点之间，以及节点与PC之间的以太网通信。因此，每个节点之上必须包含通信单元，负责与系统中与之相连的其他多个节点之间的通信。更具体的，通信单元应当能够解析以太网数据帧，提取出其中经过编码的神经元ID信息，同时，还应当能够对神经元ID信息进行打包发送。
[0015]优选的，所述路由单元与通信单元进行配合，当通信单元接收到脉冲后，路由单元判断是否需要对脉冲进行复制转发以及是否有当前节点上的神经元需要接收此脉冲。路由单元的输入输出接口有5个，包括4个与其他节点通信的接口和1个与本节点计算单元通信的接口。
[0016]优选的，所述计算单元即所有部署在此节点上的神经元，接收脉冲信息进行计算，当有新的脉冲产生时计算单元负责收集这些脉冲并传递给路由单元。
[0017]优选的，除通信单元、路由单元、计算单元三个组成部分之外，节点中还有一个重要的成员，即神经元，神经元作为系统模拟生物神经网络计算的基本单元，其结构功能采用的前文提到LIF脉冲神经元模型，根据输入积累膜电位，当达到阈值时，产生新的脉冲。
[0018]本专利技术与现有技术相比的优点在于：本方案是基于商用FPGA平台，设计并实现一种简单易行、可扩展的神经形态计算架构系统，为第三代神经网络即脉冲神经网络的运行计算提供一种低成本平台。
附图说明
[0019]图1是本专利技术的节点结构示意图。
[0020]图2是本专利技术的以太网帧结构图。
[0021]图3是本专利技术的GMII工作状态图。
[0022]图4是本专利技术的UDP接收模块端口示意图。
[0023]图5是本专利技术的UDP接收模块状态机转换图。
[0024]图6是本专利技术的UDP发送模块端口示意图。
[0025]图7是本专利技术的UDP发送模块状态机转换图。
[0026]图8是本专利技术的路由模块端口示意图。
[0027]图9是本专利技术的计算单元架构图。
[0028]图10是本专利技术的计算单元端口示意图。
[0029]图11是本专利技术的神经元模块状态机转换图。
[0030]图12是本专利技术的神经元模块端口示意图。
具体实施方式
[0031]下面结合附图和实施例对本专利技术做进一步的详细说明。
[0032]结合附图1至附图12，一种基于FPGA的脉冲神经形态计算系统，包括拓扑结构及节点结构，所述节点结构包括：通信单元、路由单元、计算单元，所述拓扑结构包括以下特征：
[0033]1)简单易行。本文实现的系统是有实际应用需求的系统，因此，其方案的实现复杂度是一个重要的评价指标。对于神经形态计算大规模神经网络模拟的场景下，节点数量庞大，如果节点间的拓扑结构十分复杂，势必为系统带来更复杂的路由方案设计，更复杂的物理连接等成本，因此，简单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FPGA的脉冲神经形态计算系统，包括拓扑结构及节点结构，其特征在于：所述节点结构包括：通信单元、路由单元、计算单元，所述拓扑结构包括以下特征：1)简单易行。本文实现的系统是有实际应用需求的系统，因此，其方案的实现复杂度是一个重要的评价指标。对于神经形态计算大规模神经网络模拟的场景下，节点数量庞大，如果节点间的拓扑结构十分复杂，势必为系统带来更复杂的路由方案设计，更复杂的物理连接等成本，因此，简单易行是拓扑结构的一个设计目标；2)可扩展性。神经形态计算的目的是对大规模生物神经系统进行仿真，单节点的仿真能力距离目标可谓是天差地别，必须要有大规模的节点互相连接才能实现。并且，在部分应用场景下，需要对现有的节点网络进行扩展以实现对更大规模网络的仿真。因此，拓扑结构的选择应当具有可扩展性，这也是降低系统实现复杂度的一种方式；3)路由简单易行。路由与拓扑结构紧密联系，同样考虑到实现复杂的问题，路由算法的实现、路由表的大小等等都是至关重要的指标，因而，在进行拓扑结构选择的时候，应当考虑到对应的路由规则是否满足要求；4)高性能成本比。衡量拓扑结构的指标有很多，比如带宽、功耗、拓扑结构的物理面积等等，有的拓扑结构具有很高的带宽，但是同时也有更高的能耗，因此，性能成本比是衡量拓扑结构的一个重要指标，其次关于节点结构，对于单一节点而言，其神经元计算的存储空间、各个通信端口的缓存区等资源的消耗是设计的重要指标。2.根据权利要求1所述的一种基于FPGA的脉冲神经形...

【专利技术属性】
技术研发人员：黄漪婧，戴靠山，沈伟，吴建军，廖光明，吴志刚，卫军名，周林，杨斌，张丁凡，张辉，周成刚，魏莞月，向光明，童波，朱瑞蒙，
申请(专利权)人：四川晟锦汇科技有限公司，
类型：发明
国别省市：