智电微科技|通用人工智能或将不再科幻，Nature：清华团队提出类脑计算系统新框架( 二 ) 文丨学术头条

相比之下，类脑计算目前缺乏一个简单但健全的系统层次结构来支持整体开发，神经形态软件和硬件之间没有清晰完备的接口，不同研究方面之间的交互也比较复杂。
尽管各种基于类脑计算的算法、计算模型和软件设计不断出现，科研人员也研发出了各类神经形态芯片，但它们通常都需要特定的软件工具链才能正常运行。其结果是，类脑计算系统（包括应用程序模型、系统软件和神经形态设备）的各个层被紧密绑定在了一起，影响了软件和硬件之间的兼容性，损害了类脑计算系统的编程灵活性和开发效率。
一些研究试图通过特定领域的语言或开发框架连接各种软件和硬件，但这些研究通常没有考虑系统的图灵完备性，在解决诸如硬件完备性、编程语言完备性和类脑计算的系统层次结构等更基本的问题上，近年来也几乎没有什么大的进展。
而且，由于许多类脑芯片不是为通用计算而设计的，而且它们中很少提供传统的指令集，因此不清楚它们是否是图灵完备的，甚至不清楚图灵完备是否是必要的。
为解决上述问题，张悠慧、施路平等人在这项研究中提出了"神经形态完备性"的概念，这是一种更具适应性、更广泛的类脑计算完备性的定义，它降低了系统对神经形态硬件的完备性要求，提高了不同硬件和软件设计之间的兼容性，并通过引入一个新的维度——近似粒度（theapproximationgranularity）来扩大设计空间。
同时，他们也提出了一种全新的系统层次结构，这一结构包括软件、硬件和编译三个层次，具有图灵完备的软件抽象模型和通用的抽象神经形态结构。在该系统层次结构下，各种程序可以用统一的表示来描述，在任何神经形态完备的硬件上都能转换为等效的可执行程序，从而确保编程语言的可移植性、硬件的完备性和编译的可行性。

文章图片
软件指的是编程语言或框架以及建立在它们之上的算法或模型。在这个层次上，他们提出了一种统一的、通用的软件抽象模式——POG图（programmingoperatorgraph）——以适应各种类脑算法和模型设计。
POG由统一的描述方法和事件驱动的并行程序执行模型组成，该模型集成了存储和处理，描述了什么是类脑程序，并定义了如何执行。由于POG是图灵完备的，它最大程度地支持各种应用程序、编程语言和框架。
硬件方面，则包括所有类脑芯片和架构模型。他们设计了抽象神经形态体系结构（ANA）作为硬件抽象，包括一个EPG图（executionprimitivegraph），作为上层的接口来描述它可以执行的程序。 EPG具有控制-流-数据流的混合表示，最大化了它对不同硬件的适应性，且符合当前硬件的发展趋势，即混合架构。
编译层，是将程序转换为硬件支持的等效形式的中间层。为实现可行性，研究人员提出了一套被主流类脑芯片广泛支持的基本硬件执行原语（hardwareexecutionprimitives），并证明配备这套硬件的神经形态是完备的，并以一个工具链软件作为编译层的实例，论证了该层次结构的可行性、合理性和优越性。
对此，研究人员认为，这一层次结构促进了软硬件的协同设计，可以避免硬件和软件之间的紧密耦合，确保任何类脑程序都可以由图灵完备的POG在任何神经形态完备硬件上编译成一个等效和可执行的EPG ，也确保了类脑计算系统的编程可移植性、硬件完备性和编译可行性。
此外，他们也实现了工具链软件的设计，以支持不同类型的程序在各种典型的硬件平台上执行，证明了这一系统层次结构的优势。结合所提出的系统架构（包括软件和硬件抽象模型），扩充的完备性定义使图灵完备性软件与神经形态完备性硬件的等效转换成为可能，即实现了软件和硬件的去耦合。（学术君注：软硬件去耦合是计算机系统结构中非常重要的设计方法论，基于此，软件研发人员不需要考虑如何设计底层硬件，硬件开发人员也只需要遵循一定指令集规范，不用担心兼容性和上层软件开发的问题。）