类脑计算Brain-inspired computing旨在利用神经科学的理念，开发更高效的计算系统。这种方法可用于广泛的应用——从神经模拟到智能计算——并有有望用于创建通用计算基础设施。 清华大学团队在Nature Electronics上...

团队推出一种新的神经形态计算架构，即类脑神经计算模型“Dendristor”，旨在复制突触的组织（即神经元之间的连接）和树突的树状结构（即从神经元体延伸出来的突起）。这种创新的树突网络模拟了树突状结构及其固有的...

传统视觉感知芯片由于受到“功耗墙”和“带宽墙”的限制，导致其核心指标速度、精度和动态范围之间相互矛盾，不能同时实现高性能，使得应对这些场景时往往面临失真、失效或高延迟的问题，严重影响了系统的稳定性和安...

清华大学类脑计算研究中心赵蓉教授团队和施路平教授团队合作在《国家科学评论》（National Science Review, NSR）发表了关于混合神经网络（Hybrid Neural Network, HNN）的系统性综述，从起源、概念、构建框架到支撑...

清华大学团队提出了一种集成时域树突异质性的新型脉冲神经元模型（DH-LIF）。同时，将DH-LIF神经元模型扩展到网络级别，提出了时域树突异质性脉冲神经网络（DH-SNN）模型，包括具有前馈连接的网络模型（DH-SFNN）和具...

受ANN技术发展趋势的引导和忆阻器在ANN应用中存在的问题启发，清华大学精密仪器系类脑计算团队提出逆向利用忆阻器动力学的内在随机性实现复杂网络的按需生成的方法。在该方法中，通过时间复用创建多个虚拟节点，并利...