近几年来,深度学习算法快速发展,大规模的图像处理和迭代计算对硬件提出了新的要求。传统的计算机都是基于“冯诺依曼架构”设计,即数据在处理器和内存之间来回计算。这种架构适合数字运算和程序执行,但是并不适合处理图像、声音类信号。而人类的大脑却可以轻松地同步处理视觉、听觉和嗅觉等信号。通过研究人脑工作原理,学术界提出了一种不同于传统计算机架构的神经形态芯片,在处理图像和声音类信号方面有重大优势。为此,本文提出了一种模数混合超大规模脉冲型神经网络电路。本文先介绍了生物神经网络的原理和相应的电路模型,从理论上证明了神经网络电路设计的可行性,并根据应用的需求和电路自身的限制定义了芯片的内部结构。该芯片主要分为四个模块,神经元电路阵列、突触电路阵列、SRAM (Static Random Access Memory,静态随机存储器)存储单元阵列和AER (Address Event Representation)通信电路。其中,神经元电路阵列和突触电路阵列具有生物神经元和突触的时间特性,实现了脉冲频率可调,突触权重可配的功能。同时,通过改变突触电路和神经元电路的连接关系可以实现多种应用。利用AER电路,能够让芯片和微处理器通信,并通过更新SRAM单元中的突触权重值来研究不同种类的STDP (Spike-Timing Dependent Plasticity)学习算法的效果。该芯片采用了smic 180nm CMOS工艺,包含了总共32×32个SRAM单元,2×32个突触电路,32个I&F神经元电路和AER通信电路。仿真结果显示,该芯片的输出和软件算法的输出完全相同,表明设计的芯片符合预期的要求。