《Nature》：大规模神经形态计算

本文综述了神经形态计算领域的最新进展，特别是如何实现神经形态计算的规模化。文章首先介绍了神经形态计算的背景，指出其作为实现人工神经网络的有效手段，已经在多个任务中展现出计算能力的优势。研究目的是探讨如何设计可扩展的神经形态计算架构，并解决当前面临的主要挑战。文章详细讨论了神经形态计算系统的核心特征，如存算紧密融合、稀疏编码、动态学习等，并提出了实现规模化所需的关键特征，如分布式与分层次、稀疏性、神经元可扩展性等。结论部分指出，神经形态计算的规模化将有助于其在多个应用领域的广泛应用，但同时也面临着软硬件协同设计、算法开发、用户接受度等多方面的挑战。