技术
Brain-inspired Computing（类脑计算）
Brain-inspired Computing（类脑计算）是借鉴大脑神经机制设计计算模型与硬件的新范式，旨在突破冯·诺依曼瓶颈，实现低功耗、高并行和自适应计算。它解决传统计算能效低、缺乏学习能力的问题，典型应用包括神经形态芯片和脉冲神经网络，代表工作如IBM TrueNorth和Intel Loihi。
详细解释
类脑计算模仿大脑的神经元和突触结构，采用脉冲编码和事件驱动机制，实现存算一体和异步处理。背景：传统计算面临功耗墙和内存墙，而大脑以极低功耗完成复杂认知任务。技术说明：核心包括脉冲神经网络（SNN）、神经形态硬件和学习规则（如STDP）。SNN使用离散脉冲传递信息，硬件如Loihi支持片上学习。应用涵盖边缘智能、机器人控制和脑机接口。代表工作还有SpiNNaker和天机芯片。
别名与相关写法
brain-inspired computing