日前,北京理工大學AETAS實驗室聯合先進類腦智能及大算力平臺公司優智創芯,并與清華大學和北京師范大學研究團隊共同開源發布了一種創新的低功耗脈沖神經網絡類腦仿真訓練框架——SNNGrow生長。這是國際上繼英特爾Lava類腦訓練框架和國內鵬城實驗室SpikingJelly類腦框架發布以后,又一個類腦仿真訓練框架,該框架已實現全面開源,旨在推動類腦智能技術在產業界的廣泛應用。

在人工智能領域,目前大模型正當其時,但是能耗和算力制約著大模型的更高維度的發展,如何低能耗地構建下一代大模型成為關鍵。類腦智能通過模擬生物大腦的工作方式,為實現低功耗、低成本且能夠實時在線學習的人工智能系統提供了一種革命性的方案。脈沖神經網絡作為類腦智能的核心計算架構,其工作原理更接近生物神經元的信號傳遞,以脈沖形式的信號和時間序列信息進行通訊,支持異步且稀疏的事件驅動方式。然而,盡管脈沖神經網絡在理論上具有顯著的低能耗優勢,現有的實現框架往往無法充分利用其類腦稀疏計算的特性,使得在實際應用中達到理想的能效比仍面臨挑戰。

SNNGrow生長致力于打破這一瓶頸,通過基于深入研究脈沖神經網絡和類腦稀疏計算特性的成果,利用自研的稀疏脈沖矩陣計算技術,SNNGrow生長能夠顯著降低運算過程中的能耗,同時保持高效的計算性能。稀疏脈沖矩陣計算技術不僅提高了脈沖神經網絡的能效比,也為實際應用中的類腦計算提供了可行性。此外,通過將Pytorch集成為前端接口,SNNGrow生長極大地降低了開發者的入門門檻,使得廣大研究者和開發者能夠輕松地利用這一框架進行脈沖神經網絡的研究和開發工作。這一創新不僅加速了類腦智能技術的研究進展,也為其在各行各業的應用提供了強大的顛覆性動力。SNNGrow生長現已支持脈沖神經網絡建模、訓練和推理。

技術原理

框架生態位

據了解,SNNGrow生長正處于快速發展階段,未來計劃實現對千億級類腦神經元的仿真計算,并促進軟硬件一體化應用的發展。該項目科研負責人北京理工大學計算機學院副教授楊旭說:“我們期待這一框架能夠深化神經科學與人工智能領域的融合,促進兩個領域之間的交流與合作,共同探索類腦智能的無限可能。”

SNNGrow生長采用Apache2.0開源協議

主要鏈接:

Github鏈接:https://github.com/snngrow

文檔鏈接:https://snngrow.readthedocs.io/

開源鏈接:https://snngrow.opensnn.com