【技术实现步骤摘要】
本专利技术涉及计算机体系架构，尤其涉及一种新型计算体系结构。
技术介绍
1、目前，现有技术中绝大多数计算机采用的是冯·诺依曼体系架构，其通过将程序编码成二进制形式，和数据一起放在外部存储器中，通过“存储执行”的方式执行程序，这种体系架构方便了计算机的软件和硬件设计。但是随着半导体技术和集成电路工艺的发展，外部存储器的读写速度已经远远赶不上cpu的计算速度。
2、随着近十年来神经形态工计算程的迅速发展，借鉴大脑计算原理的集成电路芯片及系统使得高密度、低能耗、实时运行的信息处理架构成为可能，有望打破存储与计算分离的冯·诺依曼架构现状所产生的存储性能瓶颈问题。类脑计算系统架构，泛指受脑启发、通过以神经元为基本元素的大规模神经网络并行的计算系统，为人工智能的算力问题提供高效率解决方案的一种新型信息处理架构。相较于传统的冯·诺依曼架构，类脑计算系统架构借鉴了人脑神经元的工作原理，实质计算单元实现了计算和存储一体化，摆脱了对外部存储器的依赖，对数据具有高鲁棒性，能耗低，效率高，缓解了计算与存储速率不匹配的问题。
3、然而，目前的类脑计算系统架构，基于单一神经元+神经网络的结构，对于多种模式识别的问题效率很低，表现为模式识别的准确度的降低、延迟很大、反映不够灵敏等特征。
技术实现思路
1、本专利技术意在提供一种新型计算体系结构，以解决现有技术中存在的不足，本专利技术要解决的技术问题通过以下技术方案来实现。
2、本专利技术提供的新型计算体系结构，包括：
<...【技术保护点】
1.一种新型计算体系结构，其特征在于，所述结构包括：
2.根据权利要求1所述的新型计算体系结构，其特征在于，所述神经网络模型包括网络路由、神经元、神经元集团和皮质柱，其中，所述神经元包括乘法累加器和存储器，所述神经元集团由多个神经元组成，所述皮质柱由多个神经元集团组成，所述网络路由用于在神经网络控制器的控制下构建神经网络模型，并进行神经元、神经元集团以及皮质柱之间的信息传输。
3.根据权利要求2所述的新型计算体系结构，其特征在于，所述神经网络控制器基于经过划分得到的子矩阵个数获取待构建的神经网络模型中皮质柱的个数，并进行皮质柱构建。
4.根据权利要求3所述的新型计算体系结构，其特征在于，在构建皮质柱的过程中，构建多个神经元集团，通过构建的多个神经元集团组成一个皮质柱；在构建神经元集团的过程中，构建多个神经元，通过构建的多个神经元组成一个神经元集团。
5.根据权利要求2所述的新型计算体系结构，其特征在于，经过划分得到的子矩阵分配至构建的神经网络模型中进行并行计算处理，以及对并行计算处理结果进行乘法累加计算得到最终的计算结果包括：>
6.根据权利要求5所述的新型计算体系结构，其特征在于，所述结果矩阵中的元素的个数为神经元的个数。
7.根据权利要求5所述的新型计算体系结构，其特征在于，所述次级子矩阵的个数为神经元集团的个数，所述基本子矩阵的个数为神经元的个数。
8.根据权利要求1所述的新型计算体系结构，其特征在于，所述结构还包括：输入模块、输入存储/缓存模块、输出缓存模块以及输出模块；
9.根据权利要求8所述的新型计算体系结构，其特征在于，所述输入模块采用虚拟输入存储器，所述输出模块采用虚拟输出存储器，所述输入模块和所述输出模块可以无限扩展。
10.根据权利要求8所述的新型计算体系结构，其特征在于，在对输出的数据需要重复使用时，所述控制器采用存储控制单元控制输出缓存模块将缓存的计算结果回写到输入存储/缓存模块的指定位置中。
...【技术特征摘要】
1.一种新型计算体系结构，其特征在于，所述结构包括：
2.根据权利要求1所述的新型计算体系结构，其特征在于，所述神经网络模型包括网络路由、神经元、神经元集团和皮质柱，其中，所述神经元包括乘法累加器和存储器，所述神经元集团由多个神经元组成，所述皮质柱由多个神经元集团组成，所述网络路由用于在神经网络控制器的控制下构建神经网络模型，并进行神经元、神经元集团以及皮质柱之间的信息传输。
3.根据权利要求2所述的新型计算体系结构，其特征在于，所述神经网络控制器基于经过划分得到的子矩阵个数获取待构建的神经网络模型中皮质柱的个数，并进行皮质柱构建。
4.根据权利要求3所述的新型计算体系结构，其特征在于，在构建皮质柱的过程中，构建多个神经元集团，通过构建的多个神经元集团组成一个皮质柱；在构建神经元集团的过程中，构建多个神经元，通过构建的多个神经元组成一个神经元集团。
5.根据权利要求2所述的新型计算体系结构，其特征在于，经过划分得到的...
【专利技术属性】
技术研发人员：胡怀湘，华振骁，鄢楚平，蒋斌，王颖，张玉，宫旭，孙汪洋，晁麒雅，
申请(专利权)人：中国电子科技集团公司第十五研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。