据中国科学院介绍自动化据该研究所报道，该研究团队与其他单位合作设计了一种新型脑神经系统芯片Speck，它展示了神经形态计算在整合高抽象大脑机制方面的自然优势。相关研究最近在国际学术期刊《自然与通讯》上在网上发表。
中国科学院自动化研究所研究员李国齐说：“人脑是一个非常复杂和庞大的神经网络系统，总功耗只有20瓦，远低于现有的人工智能系统。”。因此，随着计算能力竞争的加速和能耗的不断上升，借鉴人脑的低功耗特性，开发新型智能计算系统已成为一个巨大的潜在方向。
人类大脑的一个重要功能是动态分配有限的注意力资源，根据外部刺激的重要性，重要的刺激通常会得到更多的关注，这被称为注意机制。该研究提出了“神经形态动态计算”的概念在类脑芯片设计中应用了人脑中的高抽象级注意力机制，进一步挖掘了类脑芯片在性能和能效方面的潜力。
李国齐说，李国齐说，Speck在芯片上集成了动态视觉传感器神经芯片静息功耗极低。典型的视觉场景任务功耗可低至0.7毫瓦，为人工智能应用提供了高效、低延迟、低功耗的脑智能解决方案。
在这项研究中，合作团队提出“神经形态动态计算”的概念，通过设计脑神经形态芯片Speck实现基于注意机制的动态计算，在硬件层面“无输入、无功耗”，在算法层面“输入，根据输入重要性动态调整计算”，使典型视觉场景任务功耗可低至0.7毫瓦，进一步挖掘神经形态计算在性能和能效方面的潜力。
Speck是一种集异步感为一体的脑神经形态系统级芯片，采用全异步设计，集成了动态视觉传感器(DVS相机)和类脑神经形态芯片，静息功耗极低(仅为0.42毫瓦)。它可以通过微秒时间分辨率感知视觉信息，通过全异步设计放弃全局时钟控制信号，避免时钟空翻造成的能耗，只有在事件输入时才会触发稀疏的加法操作。
针对脉冲神经网络，李国齐指出(SNN)在更高层次上，例如，脉冲分布等“动态不平衡”问题不能根据输入难度进行调整。本研究基于注意机制的神经脉冲动态计算框架，在不同粒度上实现不同输入的动态响应。同时，Speck软件工具链编程框架支持动态计算脉冲神经网络算法的培训和部署。
研究结果表明，注意机制可以使脉冲神经网络具有动态计算能力，即根据输入难度调整脉冲分布模式“动态失衡”问题在显著降低功耗的同时，提高了任务性能。在动态视觉传感数据集中，集成脉冲动态计算的Speck将平均功耗从9.5毫瓦降低到3.8毫瓦，同时将任务精度提高9%。