CN115081587B 类脑计算机中脉冲神经网络在硬件上的运行部署方法 （浙江大学）

WO2022099557A1,2022.05.19类脑计算机中脉冲神经网络在硬件上的运本发明公开了一种类脑计算机中脉冲神经件的计算核心按照希尔伯特空间填充曲线的顺法多次迭代优化映射方案，以得到最终映射方2案；2.根据权利要求1所述的类脑计算机中脉冲神经网络在硬件上的运行部署方法，其特根据底层类脑计算硬件的每个计算核心的荷载神经元数量3.根据权利要求1所述的类脑计算机中脉冲神经网络在硬件上的运行部署方法，其特于第二簇B，则在第一簇A和第二簇B之间构建一条由第一簇A指向第二簇B的超边作为节点之间的连边；连边的强度设定为第一簇A中的神经元向第二簇B中的神经元发放的脉冲总4.根据权利要求1所述的类脑计算机中脉冲神经网络在硬件上的运行部署方法，其特5.根据权利要求1所述的类脑计算机中脉冲神经网络在硬件上的运行部署方法，其特步骤3-1，依据底层类脑计算硬件的计算核心的分布状态计算生成符合分布状态的希标号序列；36.根据权利要求1所述的类脑计算机中脉冲神经网络在硬件上的运行部署方法，其特7.根据权利要求6所述的类脑计算机中脉冲神经网络在硬件上的运行部署方法，步骤步骤4-1-2，以当前节点与每个连接节点之间的连接强度与能量系数的乘积作为当前步骤4-1-4，将当前节点对应计算核心位置更新为上8.根据权利要求7所述的类脑计算机中脉冲神经网络在硬件上的运行部署方法，步骤4优化优化映射方案的目标除降低总脉冲距离外，9.根据权利要求6所述的类脑计算机中脉冲神经网络在硬件上的运行部署方法，步骤5定优化目标下的最优映射方案已经被证明是一个NP-Hard问题，如何在芯片的硬件约束下使用较短时间找到近似解是技术难点所在。另一需要解决的问题是映射算法的可扩展性，随着需要部署的脉冲神经网络规模的增大与底层芯片计算核心数量增加、核心性能增强，6[0015]步骤3，对底层类脑计算硬件的计算核心按照希尔伯特空间填充曲线的顺序进行[0024]步骤2-2，以对节点队列中的首节点开始，针对节点队列中每个节点进行如下操[0026]步骤3-1，依据底层类脑计算硬件的计算核心的分布状态计算生成符合分布状态的希尔伯特空间填充曲线，并得到每个计算核心在希尔伯特空间填充曲线下的顺序标号，7[0029]步骤4-1，依据能量场模型将初步映射方案中节点之间的连接强度转换为拉力强[0036]步骤4-1-2，以当前节点与每个连接节点之间的连接强度与能量系数的乘积作为[0047]优化优化映射方案的目标除降低总脉冲距离外，额外要8选择第二种能量场模型或第三种能量场模型计[0050]使用的希尔伯特空间填充曲线充分利用了脉冲神经网络对非常短的计算时间内提供了一个高质量的初始分配[0053]图1是实施例提供的类脑计算机中脉冲神经网络在硬件上的运行部署方法的流程[0054]图2是实施例提供的原始脉冲神经网络到初步映射方案再到最终映射方案的流程供了一种类脑计算机中脉冲神经网络在硬件上的[0059]图1是实施例提供的类脑计算机中脉冲神经网络在硬件上的运行部署方法的流程9脉冲神经网络中存在至少一个有向脉冲连接关系(a,b)，且满足a是突触前神经元且a属于簇A指向第二簇B的超边作为节点之间的连边。连边的强度设定为第一簇A中的神经元向第bi是突触后神经元且bi属于第二簇B，且这些脉冲前神经元分别会发放若干个脉冲，发放的脉冲数量序列。[0067]步骤3，对底层类脑计算硬件的计算核心按照希尔伯特空间填充曲线的顺序进行[0069]步骤3-1，依据底层类脑计算硬件的计算核心的分布状态计算生成符合分布状态的希尔伯特空间填充曲线，并得到每个计算核心在希尔伯特空间填充曲线下的顺序标号，[0073]步骤4-1，依据能量场模型将初步映射方案中节点之间的连接强度转换为拉力强[0076]实施例中，根据不同的能量场模型可以获得节点在不同计算核心上的能量大[0078]步骤4-1-2，以当前节点与每个连接节点之间的连接强度与能量系数的乘积作为[0079]步骤4-1-3，统计当前节点相对于所有连接节点的能量之和作为节点的能量。假在节点对应的计算核心的物理位置的相邻，第一节点和第二节点之间可能存在连接关系，[0089]需要说明的是，采用步骤4-1中的方式更新与交换节点有连接关系的其他节点的[0092]如图2中a所示的待分配原脉冲神经网络，经过步骤3的希尔伯特空间填充曲线进