|清华首提「类脑计算完备性」及计算系统层次结构,登Nature( 二 )


硬件
硬件部分包括所有类脑芯片和架构模型 。 研究者设计了抽象神经形态结构作为硬件抽象 。 它有一个 EPG( execution primitive graph) , 用作和上一层之间的接口 , 来描述它可以执行的程序 。 EPG 有一个混合的「control-flow–dataflow」表示 , 用来最大化其对不同硬件的适应性 , 同时也符合一个流行的硬件趋势——混合架构 。
编译
编译是将一个程序转化为硬件所支持的一种等价形式的中间层 。 为了提高可用性 , 研究者提出了一组基本的硬件执行原语 , 这些原语在主流的类脑芯片中得到了广泛的支持 , 同时证明了配备了这套原语的硬件是神经形态完备的 。 此外 , 研究者还以一个工具链软件作为编译层的实例 , 论证了该层次结构的可行性、合理性和优越性 。
研究者提到:「这一层次结构避免了硬件和软件之间的紧密耦合 , 确保任何类脑程序都可以用图灵完备 POG 来表示 , 然后在任何神经形态完备的硬件上编译成等效的可执行 EPG 。 我们确保了编程的可移植性、硬件的完整性和编译的可行性 , 并通过实验验证了神经形态完备性引入的系统设计维度优化效果 。 这一层次结构也促进了软硬件的协同设计 。 」
与当今常规计算机的「图灵完备性」概念与「冯诺依曼」体系结构相对应 , 全新的类脑计算完备性及软硬件去耦合的类脑计算系统层次结构证明了自身的可行性 , 同时又扩展了类脑计算系统应用范围 , 使之能支持通用计算 。
这项研究为处于起步阶段的类脑计算方向 , 填补了完备性理论与相应系统层次结构方面的空白 , 有利于自主掌握新型计算机系统核心技术 。
【|清华首提「类脑计算完备性」及计算系统层次结构,登Nature】《自然》杂志的一位审稿人认为 , 「这是一个新颖的观点 , 并可能被证明是神经形态计算领域以及面向人工智能研究的重大发展 。 」


推荐阅读