在混乱中寻找秩序:开源脉冲神经网络软件模拟器的调查
《IEEE Access》:Finding Order in CHAOSS: A Survey of Open-Source Spiking Neural Network Software Simulators
【字体:
大
中
小
】
时间:2026年05月20日
来源:IEEE Access 3.6
编辑推荐:
摘要:自2016年以来,神经形态计算和脉冲神经网络(SNN)研究发展迅速,但开源SNN模拟器的碎片化现状给研究人员寻找合适的工具带来了显著障碍。本调查通过全面整理开源SNN模拟器来填补这一空白。通过对ACM、IEEE Xplore和Scopus数据库的系统性文献调研,共识别出4
摘要:
自2016年以来,神经形态计算和脉冲神经网络(SNN)研究发展迅速,但开源SNN模拟器的碎片化现状给研究人员寻找合适的工具带来了显著障碍。本调查通过全面整理开源SNN模拟器来填补这一空白。通过对ACM、IEEE Xplore和Scopus数据库的系统性文献调研,共识别出45个公开可用且持续维护的SNN模拟器,并根据神经元模型支持、学习机制和硬件加速等结构化特征对其进行评估。主要发现包括:45个模拟器中有37个支持“Leaky Integrate-and-Fire”模型;27个模拟器采用“Spike Timing Dependent Plasticity”作为主要学习机制;9个模拟器支持“Surrogate Gradient Back Propagation”技术,反映了深度学习训练技术的日益普及;45个模拟器中有27个提供GPU加速功能。采用CHAOSS社区健康分析框架的三维可持续性评分体系对每个项目的代码更新程度、文档质量及贡献者社区进行了评估。结果显示,45个模拟器中有28个项目状态良好(得分为6分中的5分或6分),而8个项目需要大量帮助才能继续发展。特征矩阵、模拟器清单及相关数据已公开存档,以支持未来的模拟器选择。这些成果为神经形态计算研究人员在选择开源SNN模拟工具时提供了系统化的参考。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号