神经形态工程

神经形态工程，也称为神经形态计算是由开发的概念米德，在20世纪80年代后期，描述用的超大规模集成电路包含电子（VLSI）系统模仿神经系统中存在的神经生物学结构的模拟电路。最近，神经形态一词已用于描述模拟、数字、混合模式模拟/数字VLSI和实现神经系统模型的软件系统（用于感知、运动控制或多感官整合）。可以通过基于氧化物的忆阻器、自旋电子存储器，门限开关和晶体管来实现在硬件级别的神经形态计算的实现。

神经形态工程学的一个关键方面是了解单个神经元，电路，应用程序和整体架构的形态如何创建理想的计算，如何影响信息表示，影响对损害的鲁棒性，结合学习和发展，适应局部变化（可塑性），并促进进化变化。

神经形态工程学是一门跨学科的学科，它从生物学、物理学、数学、计算机科学和电子工程学中汲取灵感来设计人工神经系统，例如视觉系统，头眼系统，听觉处理器和自主机器人，它们的物理结构和设计原理是基于生物神经系统的原理。

一个涉及神经形态工程的研究项目是“ 人脑项目”，该项目正在尝试使用生物数据在超级计算机中模拟完整的人脑。它由一组神经科学，医学和计算机研究人员组成。亨利·马克兰该项目的共同负责人表示，该项目提议建立一个基础，以探索和理解大脑及其疾病，并利用这些知识来构建新的计算技术。该项目的三个主要目标是更好地了解大脑各部分如何配合和协同工作，了解如何客观地诊断和治疗脑部疾病，以及利用对人脑的理解来开发神经形态计算机。要模拟一个完整的人脑，将需要一台比今天强大一千倍的超级计算机，这促使当前对神经形态计算机的关注。欧洲委员会已为该项目拨款13亿美元。

其他对神经形态工程有影响的研究涉及BRAIN Initiative 和IBM的TrueNorth芯片。神经形态设备也已经使用纳米晶体，纳米线和导电聚合物得到了证明。

英特尔于2017年10月推出了其神经形态研究芯片，称为“ Loihi ”。该芯片使用异步尖峰神经网络（SNN）来实现自适应自修改事件驱动的细粒度并行计算，以高效地实现学习和推理。

比利时的纳米电子学研究中心IMEC展示了世界上xxx个自学习神经形态芯片。基于OxRAM技术的受大脑启发的芯片具有自我学习的能力，并已被证明具有创作音乐的能力。 IMEC发布了原型制作的3秒音乐。芯片被依次加载具有相同签名和样式的歌曲。歌曲是古老的比利时和法国长笛小品，芯片从中学习演奏中的规则，然后将其应用。