随着近年人工智能技术的发展，构建更高效、更智能的硬件系统越来越成为关注的焦点。传统计算机基于冯诺依曼结构，它的数据吞吐能力往往受限于其中分立设计的存储和计算单元之间的失配。在人工智能时代，因存储器时延和带宽的不足，传统计算机在大数据处理时面临严重的能效问题。同时，无人驾驶、仿生机器人、脑机接口等虽然得益于人工智能技术发展，在智能水平上有了很大的提升，但在运动感知能和生物兼容性等方面，仍然表现得不够好。这两方面的困境都使得科学家们去思考新的计算范式，转而从生物系统的计算、感知和运动功能方面去汲取灵感。

因此，所谓的神经形态系统引起了世界范围内的兴趣，这一领域旨在从大脑的神经生物学架构中汲取灵感，构建一个高度智能、超低能耗的计算系统。近些年来自不同区域、不同学科背景的科学家都为这一方向提出了新的方案和新的思考。然而这一领域的发展仍然亟需解决来自材料、器件、电路、制造设备、辅助设计工具、应用场景、未来发展方向等多个方面的问题。

中国正在成为这一研究领域最活跃的地区之一。《2022中国神经形态器件与应用研究路线图》于近日发表在Neuromorphic Computing and Engineering期刊上。该路线图从中国科学家的视角出发，描绘了构建神经形态系统的潜在趋势。来自中科院、清华大学、北京大学、南京大学、复旦大学、华中科技大学等国内多个研究团队探讨了关于这一方向的多个核心主题，主要分成了神经形态系统的材料与器件、神经形态系统的工具与应用、神经形态计算的未来展望三个部分，涉及了电子科学、计算机科学、材料学、物理学等多个学科。这为寻求能够像人类一样计算、感知和运动的极高能效和高度智能的电子系统提供指导，也为这一领域的发展提供中国智慧。相信这一领域的发展将催生一些激动人心的新应用场景和新技术范式。

文章介绍｜

2022 roadmap on neuromorphic devices & applications research in China

Qing Wan, Changjin Wan, Huaqiang Wu, Yuchao Yang, Xiaohe Huang, Peng Zhou, Lin Chen, Tian-Yu Wang, Yi Li, Kanhao Xue, Yuhui He, Xiangshui Miao, Xi Li, Chenchen Xie, Houpeng Chen, Z. T. Song, Hong Wang, Yue Hao, Junyao Zhang, Jia Huang, Zheng Yu Ren, Li Qiang Zhu, Jianyu Du, Chen Ge, Yang Liu, Guanglong Ding, Ye Zhou, Su-Ting Han, Guosheng Wang, Xiao Yu, Bing Chen, Zhufei Chu, Lunyao Wang, Yinshui Xia, Chen Mu, Feng Lin, Chixiao Chen, Bojun Cheng, Yannan Xing, Weitao Zeng, Hong Chen, Lei Yu, Giacomo Indiveri and Ning Qiao

DOI：https://iopscience.iop.org/article/10.1088/2634-4386/ac7a5a

信息来源：IOPP