类脑计算是指借鉴大脑信息处理机制的新型计算范式，包含硬件实现、计算架构与模型算法在内的多个层面。类脑计算一方面有利于从模型计算角度理解大脑信息处理机制，另一方面有利于开发新一代超级计算系统。神经科学的研究表明，人脑不同时空尺度下的不同层次神经信息处理机制对于认知活动存在不同水平的影响。目前类脑计算依然停留在脉冲神经网络、深度学习等层面的研究，而依据不同层次人脑工作机制的类脑计算研究还比较缺乏。
　　本文依据大脑的工作模式研究跨层次类脑计算的模型、架构和实现问题，通过刻画神经细胞、神经网络与神经核团层次的计算特征和数字实现的模式，逐步构建多层次类脑计算，实现大规模类脑计算系统，以研究具有自学习能力的多脑区目标识别、运动控制、多模态学习、决策等认知功能以及运动障碍性疾病的发病机制。研究内容包括：
　　(1)提出了一种融合不同层次神经信息处理机制的类脑计算构架。该构架借鉴人脑跨尺度的信息处理机制，采用数字神经形态工程学方法，连接神经细胞层次与神经核团层次，给出了类脑计算的有效体系结构框架，实现了兼具自学习能力、强大算力以及多层次神经信息处理机制的类脑计算系统。
　　(2)提出了融合细胞层次的类脑计算模式。构建一种具有硬件成本效益的多间室神经元模型CMN，复现真实神经元非线性动力学行为；提出该模型的高性能实现技术，降低硬件开销，计算速度提升35.14％；设计了基于该模型的新型可扩展计算架构及路由算法，兼具生理可信性、强大计算能力与自学习能力。
　　(3)提出了融合网络层次的类脑计算模式。设计了基于类脑学习机制的多种突触可塑性的FPGA实现方法；实现中枢模式发生器(Central Pattern Generator, CPG)，完成机器人的基础二足步态控制；结合神经元异质性、网络相干共振机制，提出神经元网络模型及计算架构，实现了融合网络层次机制的类脑计算。
　　(4)提出了融合核团层次信息处理机制的类脑计算模式。构建了一种具有硬件成本效益的多核团协作神经网络模型，可准确产生多核团神经网络的实时脉冲活动。针对多类型动作电位事件并发的异步通信问题，提出了一种新的使用突触事件的基于地址事件表达策略的路由器架构MSIP与路由算法IMP，可支持类脑多核团协作机制。
　　(5)根据所提出的多层次类脑计算模式，设计了一种新型可扩展的分层异构多核非冯·诺依曼架构，并基于该架构实现大规模类脑计算系统BiCoSS，完成了兼容多种类脑模型算法的大规模类脑实时计算，系统功率密度相比GPU提升2.8k倍。通过构建基于多脑区模型的类脑计算，探索了跨脑区的多种应用，其中包括基于视觉通路无监督学习的目标识别、基于基底核强化学习机制的决策、基于小脑监督学习机制的运动控制、基于海马-前额叶皮层机制的多模态学习、以及丘脑-皮层回路中的运动障碍疾病机制研究，揭示了BiCoSS具有自学习机制的多类型认知融合的优势。