Oct, 2012

通用神经形态计算底层的六个网络

PDF
TL;DR本研究介绍了一种高度可配置的神经形态计算基础，其可用于模仿多种类型的神经网络。系统的核心是一块混合信号芯片，具有神经元和突触的模拟实现和动作电位的数字传输。它的固有并行性和高加速因子使得这个仿真设备比传统计算机具有更大的优势。其可配置性允许实现几乎任意的网络拓扑和使用广泛变化的神经元和突触参数。计算的噪声通过校准程序进行降低。该系统的集成开发环境使神经科学家可以在没有神经形态电路设计先验知识的情况下操作该设备。作为该系统能力的展示，我们描述了成功仿真了六种不同的神经网络，这些网络涵盖了广泛的结构和功能。
发现论文，激发创造
  • 在加速的神经形态底层上实现多功能的尖峰神经网络仿真

    本研究介绍了基于类比神经突触核心和嵌入式微处理器的全新神经形态架构 BrainScaleS-2，并在五个不同实验中证明其高加速度和优越的灵活性。

    Dec, 2019

  • 大规模神经形态脉冲阵列处理器：模拟人脑的追求

    本论文综述了神经形态工程中的关键问题，包括信息处理、脑样计算、神经模型及其仿真，以及深度学习等。

    May, 2018

  • 在 BrainScaleS 晶圆尺度系统上训练深度脉冲网络的神经形态硬件闭环

    本文介绍了如何利用迭代更新来补偿模拟神经网络在模拟硬件中出现的异常，并展示了在 BrainScaleS 芯片上优化后的脉冲神经网络，使计算性能得到提高。同时，利用记录硬件网络活动并通过反向传播在软件上计算参数更新的方式，仅经过几十次迭代，该脉冲网络显示出了接近理想的计算性能，证明了其在解决模拟硬件固有变异等问题方面的潜力。

    Mar, 2017

  • DYNAP-SE2：一款可扩展的多核动态神经形态异步脉冲神经网络处理器

    通过仿生神经系统的方法，我们提出了一种脑启发式的平台，用于原型设计实时事件驱动的脉冲神经网络（SNNs），该系统支持模拟动态和现实的神经处理现象，并具有低延迟的异步数字电路以及模拟电路来实现这些功能。

    Oct, 2023

  • 神经形态学系统的存储和信息处理

    本文介绍支持皮层网络和深度神经网络模型的仿生处理器架构的调查和优点，这些架构从串行时钟实现的多神经元系统到纯数字系统和混合模拟 / 数字系统，实现更类似生物神经系统的神经元和突触模型，并描述了需要解决的挑战。

    Jun, 2015

  • 硬件神经形态计算和神经网络概览

    本文首先回顾了神经形态计算的动机和驱动力，然后讨论了该领域的主要研究方向，包括神经启发式模型、算法和学习方法、硬件和设备、支持系统以及应用，并给出了未来研究的主要方向和目标。

    May, 2017

  • 一种可扩展的多核架构，具有异构存储器结构的动态神经形态异步处理器（DYNAPs）

    本研究提出了一种将分层和网格路由策略与异构存储器结构相结合的新型路由方法，旨在最小化存储要求和延迟，同时通过参数配置最大化编程灵活性，从而支持广泛的基于事件的神经网络体系结构。通过实现原型多核神经形态处理器芯片并将其应用于快速对动态视觉传感器 (DVS) 中闪现的视觉符号进行实时分类的卷积神经网络，验证了所提出的方案。

    Aug, 2017

  • 具有自学习能力的全光脉冲神经突触网络

    通过全光神经元、光子突触的结合实现了小规模的全光神经元系统，这种用于神经元和突触之间信息交流的新型系统比传统计算机更高效，尤其对于高带宽任务如通讯和图像处理尤为适用。

    Feb, 2021

  • NeuCASL: 从逻辑设计到神经形态芯片系统仿真

    使用 python 构建了一个开源的适用于神经形态逻辑设计、电路模拟、系统性能和可靠性评估的完整系统 CAD 框架 NeuCASL。

    Aug, 2022

  • 提高前馈神经网络在脉冲神经形态芯片中的分类准确性

    使用新的二进制硬件跨棒学习算法实现深度神经网络在 TrueNorth 芯片上的部署，可在以前工作的基础上实现显著提高（76％与 86％准确度）同时保持良好的性能 MNIST 手写数据集。

    May, 2017