神经形态计算的研究主要基于脉冲神经网络（SNN）模型，这是一种生物启发的计算范式，旨在模拟大脑的信息处理机制。具体而言，该领域的目标是通过融合神经生物学和计算神经科学的理论知识，构建能够实现类人智能的计算系统。
为了解决传统计算架构在处理大量数据时面临的效率瓶颈和高功耗问题，研究者们提出了基于人脑神经元结构的神经形态芯片，以显著提升计算效率和能效比。
中科院计算所赵地研究团队在2025年1月在《Journal of Supercomputing》上开源了一种创新的神经形态处理器「开源类脑芯片」二代（Polaris 23），其核心优势在于实现了高数据吞吐量，并集成了具有反向传播加速功能的定制化脉冲神经网络架构。
论文地址：https://link.springer.com/article/10.1007/s11227-024-06826-y
源码链接1：https://github.com/ByeBeihai/Polaris
源码链接2：https://gitee.com/OpenBPU/OpenBPU2
「开源类脑芯片」二代（Polaris 23）主要包括两个部分：神经形态处理单元、神经形态指令处理器。
主要技术参数如下：
「开源类脑芯片」二代（Polaris 23）的神经形态处理单元包含了神经形态自定义SNN指令扩展集：RV-SNN 2.0，并包括三个组成部分：SNN发射单元、LIF神经元更新单元、突触计算单元。
「开源类脑芯片」二代（Polaris 23）的神经形态指令处理器包括：发射单元（ISU），执行单元（EXU）和写回单元（WBU）。
为了提高处理神经元和突触的能力，「开源类脑芯片」二代（Polaris 23）的神经形态指令处理器设计了多发射架构。例如，在双发射模式下，神经形态指令处理器可以同时执行两条神经形态指令：
为了提高处理神经元和突触的能力，神经形态指令处理器还设计了并行执行架构。
其中，发射单元（ISU）实现了圆形队列架构：
神经形态指令处理器的执行单元（EXU）实现了可并行执行的架构：
神经形态指令处理器的写回单元（WBU）设计了多提交端口。
目前，开源的神经形态芯片包括：比利时Catholique de Louvain大学的ODIN脉冲神经网络处理器、中科院计算所的开源类脑芯片「文曲星」系列等。
为了验证「开源类脑芯片」二代（Polaris 23）的性能，和比利时Catholique de Louvain大学的ODIN脉冲神经网络处理器同时部署在FPGA上（AMD ALVEO U250卡），并进行了比较。
在神经元带宽方面，「开源类脑芯片」二代（Polaris 23）的带宽相较于比利时Catholique de Louvain大学的ODIN脉冲神经网络处理器提高约300倍：
在能效方面（资源带宽比、功耗带宽比），「开源类脑芯片」二代（Polaris 23）的带宽相较于比利时Catholique de Louvain大学的ODIN脉冲神经网络处理器有明显的提升：
「开源类脑芯片」二代（Polaris 23）部署还在FPGA开发板上（Kintex-7 XC7K70T），并测试脉冲神经网络分类。实验结果表明，「开源类脑芯片」二代（Polaris 23）在性能指标上实现了显著突破，并在MNIST数据集上获得了91%的准确率。
开发团队
「开源类脑芯片」二代（Polaris 23）培养了一支有创造力的开发团队：主开发者宗吉祥同学 （https://github.com/ByeBeihai）现在就读于中科院计算所，团队成员王九龙同学现就读于德国慕尼黑工业大学，李桂润同学现在就读于深圳大学，吴若朴同学现就读于荷兰代尔夫特理工大学，指导教师赵地副研究员获得2023年度「中国科学院大学优秀本科生指导教师」奖。
2024年，开源类脑芯片「文曲星」系列的工作受到了国家自然科学基金资助，「开源类脑芯片」二代（Polaris 23）正在进行后端设计与流片。
中科院计算所赵地团队正在研究「开源类脑芯片」三代，将包括全新的类脑学习算法和更强的多核神经元和突触处理能力。
