清华大学研发类脑估计机

清华大学的张悠慧团队和施路平团队，与众多协作者在《自然》杂志上发表了一篇名为《一种脑启发式计算系统层次结构》的论文。这次，他们首次提出了“脑启发式计算完全性”的新理念，并展示了软硬件去耦合的脑启发式计算系统架构，填补了这一领域的空白。这是清华在脑启发式计算领域继“天机芯”和“多阵列忆阻器存算一体体系”后，在《自然》杂志正刊发表的第三篇重要成果。这也是计算机系首次作为第一作者单位在《自然》发表的文章。目前，清华正在积极研发第三代“天机芯”以及新型脑启发式计算机。

长期以来，脑启发式计算的钻研受到了越来越多的关注。脑启发式计算是借鉴生物神经体系信息处置形式和构造的估计表面、体系构造、芯片设计以及运用模型与算法的总称。作为正处于发展初期的领域，国际上尚未形成统一的技术标准和规范。

本次研究的亮点在于，提出了与通用计算机的“图灵完全性”观念和“冯诺依曼”体系构造不同的新思路。研究团队首次论证了“脑启发式计算完全性”的观念，并通过实验证明了该类体系的硬件效能和编译可行性。更重要的是，他们扩展了脑启发式计算系统的应用范围，使其支持通用计算，从而弥补了完全性理论和相应体系架构方面的空白，对于掌握新型计算机体系的核心技术具有重要意义。

现有的脑启发式计算研究多聚焦于芯片、工具链、应用和算法的革新实践，而关于体系的前提性问题，如计算完全性、体系层次结构等思考不足。这导致了软硬件紧密耦合、应用范围不明确等一系列问题。从通用计算机的发展经验和设计方式来看，完善的计算完全性和软硬件去耦合的层次结构是计算机体系发展的重要前提。

为此，研究团队提出了“脑启发式计算完全性”（也称为神经形态完全性）的概念。简单来说，就是针对任意给定误差和任意图灵可计算函数，如果一个计算系统能够执行函数F(x)，使得∣F(x)-f(x)∣≤对于所有合法的输出x都成立，那么这个计算系统就具有脑启发式计算完全性。

通俗地说，“完全性”可以回答体系能做什么、功能边界在哪里等问题。研究完全性有助于软硬件体系的解耦合、区分不同研究领域间的任务交叉提供理论前提。我们的研究聚焦于完全性理论研究，首先回答基础问题。”清华计算机系的研究员张悠慧说。

相对于通用计算机，这一新定义释放了对体系计算过程和精度的束缚。团队进一步提出了相应的脑启发式计算机层次结构和保证脑启发式计算完全性的硬件指令来充分利用这一新完全性带来的优势。该结构包括三个层次：图灵完全的软件模型、脑启发式计算完全的硬件体系结构以及位于两者之间的编译层。此外还设计了结构性转换算法，将任意图灵可计算函数转换为脑启发式计算完全硬件上的模型。

近年来，清华脑启发式计算研究中心提出了符合脑科学基础顺序的新型脑启发式计算架构——异构融合的天机类脑计算芯片架构。这一架构能够同时支持计算机科学和神经科学的神经模型，发挥各自的优势。目前，“天机芯”已发展到第三代，为人工通用智能的发展提供了平台和思路，将促进人工智能的研究和应用在各个行业。

其中，第一代“天机芯”于2015年6月成功流片，该芯片首次将人工神经网络和脉冲神经网络进行异构融合，同时兼顾技术成熟并被广泛应用的深度学习模型以及未来具有巨大潜力的估算神经科学模型。

第二代“天机芯”是去年8月1日发表在《自然》封面文章上的成果，具有高速、高效、低功耗的特点。

目前，团队正在研发第三代“天机芯”以及新型脑启发式计算机。基于现有的“天机芯”，天机类脑计算机是一款能够满足脑智能应用需求的通用脑启发式计算系统，包括系统架构、脑处理单元、软件工具链、输入输出子系统以及计算机加载实验环境等。新一代样机能够对36路异步视频输出进行每秒1000帧的实时数据处理。