造福类脑生态，SynSense时识科技开源工具链Rockpool世界首次高效支持数模混合类脑芯片算法开发
SynSense时识科技宣布已发布最新版本开源类脑工具链Rockpool2.6。作为全新发布的完整工具链版本，Rockpool2.6将首次为超低功耗数模混合类脑处理器的训练、量化和部署提供深度支持，同时在神经元和突触模型中包括了失配模拟，使得算法在数模混合类脑芯片上对失配具有真正的鲁棒性，为构建脉冲神经网络提供前所未有的便利。
入口：https://rockpool.ai Rockpool | SynSense 时识科技
- Rockpool 2.6提供了一个易于使用的高级API，用于训练脉冲神经网络，并支持针对新的数模混合类脑处理器DYNAP™SE2上的低功耗混合信号神经元和突触进行动力学详细模拟，提供简单易用的量化和部署渠道，让训练和部署LIF网络到SE2变得前所未有的容易。
- 我们还在神经元和突触模型中加入了失配模拟，这使得在SNN训练中察觉失配成为可能，也是降低失配影响的SNN应用最先进方法，将使SNN应用更强大。
- Rockpool2.6与SynSense时识科技的开源Rockpool工具链深度集成，完全免费，欢迎至https://rockpool.ai查看文档（文末原文跳转）。作为SynSense时识科技开源软件承诺的一部分，我们期待看到来自类脑社区的新创造。
类脑电路旨在模仿大脑，进行异步且节能的高效信息处理。类脑硬件可以将功耗降至极低的数据，例如亚毫瓦级，从而缓解人工智能计算的工作负荷。全新的硬件平台带来了创新计算方式的机会。然而，新的硬件只有在人们能够使用时，才可能改变世界。因此除了设计全新类脑硬件，SynSense时识科技也积极进行着新的编程语言和算法开发。
SynSense时识科技全球研发副总裁Dylan Muir博士指出，类脑硬件支持脉冲神经网络，但硬件限制会使设计可部署到硬件的网络变得具有挑战。因此，提供直观的、具备表现力的、开发者熟悉的硬件接口和编程模型变得至关重要。
Dynap™SE2是苏黎世大学、苏黎世联邦理工和SynSense时识科技联合开发的专注在心电、脑电等信号AI计算的超低功耗数模混合信号类脑SNN推理处理器。集成的生物信号放大器使Dynap™SE2非常适合远程医疗与可穿戴设备应用。单芯片包含1024个基于模拟计算的极低功耗脉冲神经元，以及超过65,000个突触，并支持复杂SNN网络。创新的异步低延迟通信基础结构（已获专利）使每个神经元都可以通过中继神经元与周围多达230,000个神经元进行通信，并具有无限扩展性，可实现真正的大规模网络。
Dynap™SE2系列工具首席开发者、SynSense时识科技算法应用机器学习工程师Uğurcan Çakal说：”我们可以直接使用数模混合Dynap™SE2的神经元动力学来训练SNN应用程序，同时，转换经其他神经元模型训练的网络并部署到SE2设备上也相当容易。”
SynSense时识科技高级软件工程师Vanessa Leite表示，为了使社区能够真正专注于类脑硬件高级计算，SynSense时识科技团队一直积极地进行新工具开发，包括此次发布的最新版本Rockpool软件。“这是首次发布用于DynapSE2的应用程序训练及部署的完整工具链! 在数模混合信号硬件上构建脉冲神经网络从未如此容易。”
“我们的新工具将为数模混合类脑设备构建超低功耗应用所需的努力从几年缩短到几个月。作为SynSense时识科技开源软件承诺的一部分，我们正在向类脑研究社区提供这些工具，希望这将有助于社区为混合信号SNN处理器开辟新的用例和新的研究应用。我们迫不及待地想看到来自社区的新创造！”SynSense全球研发副总裁Dylan Muir补充。
Rockpool是一个开源Python软件包，用于开发基于脉冲神经网络的信号处理。Rockpool允许网络的构建、训练和测试，以及在事件驱动的神经形态硬件上的仿真。Rockpool为图层提供了许多模拟后端，包括Brian2，NEST，Torch，JAX，Numba和raw numpy。Rockpool旨在简化基于SNN的机器学习。
