机构名称：
¥ 1.0
神经形态计算从大脑中汲取灵感，为计算技术和架构提供了推动下一波计算机工程浪潮的潜力 1–13 。这种受脑启发的计算也为通用人工智能的发展提供了一个有希望的平台 14,15 。然而，与传统计算系统不同，传统计算系统具有围绕图灵完备性和冯·诺依曼架构 16–18 概念构建的完善的计算机层次结构，而目前还没有针对脑启发计算的通用系统层次结构或对完整性的理解。这会影响软件和硬件之间的兼容性，削弱脑启发计算的编程灵活性和开发效率。在此，我们提出了“神经形态完整性”，它放宽了对硬件完整性的要求，以及相应的系统层次结构，其中包括图灵完备的软件抽象模型和多功能的抽象神经形态架构。使用这个层次结构，各种程序都可以被描述为统一的表示，并转换为任何神经形态完整硬件上的等效可执行文件——也就是说，它确保了编程语言的可移植性、硬件完整性和编译可行性。我们实现了工具链软件来支持在各种典型硬件平台上执行不同类型的程序，展示了我们系统层次结构的优势，包括神经形态完整性引入的新系统设计维度。我们期望我们的研究将使脑启发计算系统的各个方面取得高效、兼容的进展，促进包括人工智能在内的各种应用的开发。
脑启发计算的系统层次结构
主要关键词
相关文件推荐
