中科院团队推出开源神经形态芯片「文曲星」（常为源代码）

该研究课题采用原则上 NutShell 芯片来支持者 SNN 的近似值。下平面图 2 辨识了玉皇 22A 的扰驱动程式。SNN 区块（辨识为 SNNU）被去掉到 pipeline 中的，为可执行阶段。SNN 指导流程中的的三个阶段由 SPU（Spiking Process Unit）、NU（Neuron Unit）和 SU（Synapse Unit）妥善处理一组。所有这些模块都集成到 SNNU 中的。SNN 特殊寄存器泥巴与国际标准寄存器泥巴独自被定义，ISU（Issue Unit）遏制指令发行，避免比对冒险。

实验结果

MNIST 比对集有 70000 个从 0 到 9 的手写二进制比对，其中的 60000 个使用体能训练，10000 个使用检验。每个二进制比对是一个 28×28 灰度平面图像，绝对值为 255。该研究课题运使用玉皇 22A，并利用二元随机 STDP 研修法则对该比对集顺利完成归纳。

网络驱动程式

该研究课题将每个轴突的皮质数设置为 28×28，以匹配TIFF。为了将这些比对提供给玉皇 22A 的 SNN，该研究课题运使用泊松的系统（Poisson encoder）填充基于速率的泊松分布无线电波来诱发可用层。该的系统将可用比对转换为具备相同形状的无线电波比对。为了填充无线电波，该研究课题设置了一个时间天数发射几率：p=x，其中的 x 须要归一化到[0,1]。所有这些预妥善处理步骤都在玉皇 22A 中的可执行。

相当结果

表 1 为玉皇 22A 与其他基于 STDP 的 SNN 系统的 MNIST 鉴别相当结果。由实验结果可得，在运使用的低于 8 位 STDP 的系统中的，玉皇 22A 与其他归纳相关性差别不大，甚至更加好。

为了相当发热量，该研究课题将玉皇 22A 和 ODIN 都示范到同一个 FPGA 平台上，以对比这两款CPU的发热量。结果如平面图 4 请注意。从平面图 4 可以看出，总发热量从 25.949 W（ODIN）减小到 5.055 W（玉皇 22A），具体硬件资源运使用率如表 2 请注意，比 ODIN 芯片低约 5 倍。

下表 2 为玉皇 22A 与 ODIN 的硬件利用相当：结果声称，玉皇 22A 消耗的硬件资源更加少。

玉皇 22A 可靠性

该研究课题用不同运使用量的轴突体能训练 SNN，在二进制随机 STDP 中的为 (10,20,40) 个轴突。平面图 5 展示了在 10000 个 MNIST 检验比对的归纳相关性 (CA)，结果辨识在玉皇 22A 上 10、20 和 40 个轴突的二进制举例来说 SNN 的最大相关性都为 80.94%、86.91% 和 91.91%。CA 的降低声称难以用少量的轴突对一些类似于度高的二进制顺利完成归纳。虽然控制器层中的的轴突运使用量随着 w_exp 的降低而降低，但配置更加多的轴突可以产生更加高的鉴别相关性。