近年来，类脑计算引起了国内外的广泛关注。在学术界，欧盟2013年初批准的人脑计划，将类脑计算研究推向一个新的高度；在工业界，以IBM为代表的类脑芯片的研制拉开了类脑计算产品化的序幕。我国正在制定的“中国脑计划”中，类脑计算也将是一项重要内容。类脑计算通常指的是，用软件和硬件去模仿大脑生物神经系统的结构与工作原理来进行计算。更广义地说，部分利用大脑神经的工作原理与机制或受其启发的计算也称为类脑计算（《类脑计算》）。类脑计算在最近几年引起关注有多方面的原因。从计算机体系结构的角度，由于传统半导体器件的尺寸逐渐接近其物理极限，摩尔定理难以为继，同时功耗问题也日渐突出，因此，研究人员正寻求新的非传统的计算机体系结构；从智能信息处理的角度，人工智能虽然取得了很大进展，并在许多特定领域得到了广泛应用，但智能程度依然极为有限，与人的智能依然相差甚远，理论与方法上亟待出现新思路与新突破。作为自然界几十亿年进化的产物，人脑具备许多特点，例如，与芯片需要一个全局时钟频率驱动计算不同，大脑以异步的、事件驱动的方式进行工作；传统计算机的冯·诺伊曼体系结构中，内存与计算是显式分离的，而大脑的记忆与计算是紧密融合在一起的。这些都促使我们思考，通过对大脑的结构与工作原理进行模仿，是否有可能创造出更省电、更高效、更智能的计算系统？
专题文章：
1.《神经拟态的类脑计算研究》随着摩尔定律逐步走向终结，半导体行业在后摩尔定律时代将如何发展？不同领域的研究者有不同的答案。针对这一问题，本文从神经拟态的类脑计算的基本思想、发展历史出发，对脉冲神经元建模、脉冲神经网络的训练方法、代表性类脑计算项目、类脑传感器、脑机融合等进行了分析，并讨论了类脑计算的未来发展态势。
2.《基于新型纳米器件的类脑计算系统》现代计算机工业的两大基石——半导体制造技术和计算机体系结构正经历着前所未有的挑战。因此，研究人员将眼光转向了一些非传统的计算机体系结构。类脑计算正是一种具有广阔应用前景的新型计算机体系结构。本文以忆阻器为例，介绍了基于新型纳米器件的类脑计算系统的实现以及挑战，包括神经突触的设计、大规模类脑计算系统的实现，并对类脑计算加速器的途径、设计与协同工作进行了深入分析与讨论。
3.《神经拟态认知计算》神经拟态系统自提出至今，经过近30年的发展，虽然在神经电路的硬件模拟和简单类脑计算算法（如视觉和听觉的信息处理和识别）上，取得了很多成果，但是在实现高层信息的表达、组织以及认知方面，依然面临诸多挑战。本文着重阐述解决该问题的框架和算法原理——神经拟态认知计算，以学习和记忆为重点介绍了神经拟态的认知算法，包括神经信息编码、突触学习算法、编码和学习集成模型等。
4.机器学习加速器》在这个数据爆炸的时代，机器学习技术在处理大规模数据时得到了广泛的应用，如推荐系统、计算广告、图像识别等等。处理这些大量的数据最直接的方法就是使用通用的CPU和GPU。它们能够针对不同算法灵活地进行调整，但同时，针对特定领域数据处理需求和机器学习方法，通用的CPU和GPU的能力和效率有限。相比之下，硬件加速器的效率较高，不过，现有的硬件加速器往往只能适用于一种或者一类机器学习技术。针对现有机器学习硬件加速的缺点，本文介绍一种名为“ PuDianNao” 的机器学习加速器。PuDianNao能够处理多种常见且有代表性的机器学习技术，包括kNN、k-Means、线性回归、支持向量机、深度神经网络、朴素贝叶斯和分类树算法等。