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。

在人工智能技术飞速发展的今天，开源科技的力量愈加凸显。日前，中科院计算所的研究团队成功发布了「开源类脑芯片」二代（Polaris23）。这一基于RISC-V架构的神经形态芯片，不仅在技术上实现了重大创新，更在神经网络的学习能力及效率上设立了新的行业标杆。

在人工智能与生物计算的交汇点，崭新的「开源类脑芯片」二代（Polaris23）如一颗冉冉升起的星星，点亮了神经形态计算的未来。近日，由中科院计算所赵地研究团队于《Journal of Supercomputing》上发布的这一全新芯片，采用RISC-V架构，成为脉冲神经网络（SNN）和反向传播STDP的先行者。

这款芯片基于RISC-V架构，支持脉冲神经网络（SNN）和反向传播STDP，通过并行架构显著提升了神经元和突触的处理能力，带宽和能效也得到了大幅提升。

这款基于RISC-V架构的芯片，不仅支持脉冲神经网络（SNN）和反向传播突触学习规则，还通过其独特的并行架构，显著提升了神经元和突触的处理能力。

Hussaini表示：“SNN是人工神经网络，可以模仿生物大脑如何使用简短、离散的信号来处理信息，就像动物大脑中的神经元交流方式。这些网络特别 ...