广东省智能科学与技术研究院

本发明涉及类脑计算和人工智能技术领域，具体是一种类脑模型分割及多核系统部署方法，先统一转换各类类脑模型为标准化加权有向图消除网络结构表达差异，再依托三层流水线式图划分算法完成全自动模型拆分，分割环节引入可自适应调整的联合权重同步量化计算通信两类负载并设置均衡约束，随后依托结合硬件拓扑构建的代价函数完成子模型最优物理核映射，整套流程数据互通联动打破分割部署割裂现状，同步解决人工分区负载失衡跨核通信延迟高多重缺陷，适配全品类脉冲神经网络与去中心化类脑多核硬件平台，兼顾部署通用性自动化程度与仿真运行整体性能。

本申请提供了一种贝叶斯置信传播神经网络的硬件加速方法，本申请构建的加速器包括全局控制器和多个并行设置的超柱计算核，各超柱计算核包括更新引擎、计算单元和存储单元；更新引擎，用于响应于全局同步时钟信号更新各微柱单元和突触状态信息，并将更新后的突触状态信息存储至存储单元；其中，更新过程中的计算步骤是由计算单元完成的。本申请采用多核并行的设计，灵活配置内核数量以适应不同的模型规模需求；针对更新过程中的复杂计算操作，通过定制化的计算单元替代通用架构中的算术逻辑单元，从而优化了计算性能；在内核中集成计算单元和存储单元，减少了数据搬移带来的延迟和能耗，最终达到降低能耗、提高计算效率、实现硬件加速的作用。