SPAIC：一种基于脉冲的人工智能计算框架
摘要：神经形态计算是一门新兴的研究领域，旨在通过整合神经科学和深度学习等多学科的理论和技术来开发新的智能系统。目前，已经开发了各种软件框架用于相关领域，但缺乏一个专门用于基于脉冲的计算模型和算法的高效框架。在这项工作中，我们提出了一种基于Python的脉冲神经网络（SNN）仿真和训练框架，名为SPAIC，旨在支持脑启发模型和算法研究，集成了深度学习和神经科学的特点。为了整合这两个重要学科的不同方法，并在灵活性和效率之间取得平衡，SPAIC采用了神经科学风格的前端和深度学习后端结构。我们提供了许多示例，包括神经电路仿真、深度SNN学习和神经形态应用，展示了我们框架简洁的编码风格和广泛的可用性。SPAIC是一个专用的基于脉冲的人工智能计算平台，将极大地促进新模型、理论和应用的设计、原型和验证。它用户友好、灵活且性能优越，有助于加速神经形态计算研究的快速增长和广泛适用性。
作者：Chaofei Hong, Mengwen Yuan, Mengxiao Zhang, Xiao Wang, Chegnjun Zhang, Jiaxin Wang, Gang Pan, Zhaohui Wu, Huajin Tang
论文ID：2207.12750
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-07-27