論文の概要: Versatile emulation of spiking neural networks on an accelerated
neuromorphic substrate
- arxiv url: http://arxiv.org/abs/1912.12980v2
- Date: Mon, 9 May 2022 10:27:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-17 02:33:07.341877
- Title: Versatile emulation of spiking neural networks on an accelerated
neuromorphic substrate
- Title(参考訳): 高速化ニューロモルフィック基板上のスパイクニューラルネットワークの多用途エミュレーション
- Authors: Sebastian Billaudelle, Yannik Stradmann, Korbinian Schreiber, Benjamin
Cramer, Andreas Baumbach, Dominik Dold, Julian G\"oltz, Akos F. Kungl, Timo
C. Wunderlich, Andreas Hartel, Eric M\"uller, Oliver Breitwieser, Christian
Mauch, Mitja Kleider, Andreas Gr\"ubl, David St\"ockel, Christian Pehle,
Arthur Heimbrecht, Philipp Spilger, Gerd Kiene, Vitali Karasenko, Walter
Senn, Mihai A. Petrovici, Johannes Schemmel, Karlheinz Meier
- Abstract要約: 本稿では,新しいBrainScaleS-2ニューロモルフィックアーキテクチャについて実験を行った。
アーキテクチャの柔軟性は、5つの異なる実験スイートで実証されています。
- 参考スコア(独自算出の注目度): 1.065336138931459
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present first experimental results on the novel BrainScaleS-2 neuromorphic
architecture based on an analog neuro-synaptic core and augmented by embedded
microprocessors for complex plasticity and experiment control. The high
acceleration factor of 1000 compared to biological dynamics enables the
execution of computationally expensive tasks, by allowing the fast emulation of
long-duration experiments or rapid iteration over many consecutive trials. The
flexibility of our architecture is demonstrated in a suite of five distinct
experiments, which emphasize different aspects of the BrainScaleS-2 system.
- Abstract(参考訳): アナログニューロシナプスコアを基盤とし,複雑な可塑性と実験制御のための組み込みマイクロプロセッサにより拡張された新しいbrainscales-2ニューロモルフィックアーキテクチャの最初の実験結果を示す。
生物力学と比較して1000倍の加速係数は、長期化実験を高速にエミュレートしたり、連続的な試行を高速に繰り返すことによって、計算コストの高いタスクの実行を可能にする。
アーキテクチャの柔軟性は、BrainScaleS-2システムの異なる側面を強調する5つの異なる実験スイートで実証されます。
関連論文リスト
- Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳(メタデータ) (2024-02-26T15:01:54Z) - Learning with Chemical versus Electrical Synapses -- Does it Make a
Difference? [61.85704286298537]
バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。
我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
論文 参考訳(メタデータ) (2023-11-21T13:07:20Z) - Temporal credit assignment for one-shot learning utilizing a phase
transition material [36.460125256873624]
金属絶縁体-遷移物質であるバナジウム二酸化バナジウム(VO2)に基づく装置は, 中間抵抗状態の連続体にアクセスするために動的に制御可能であることを示す。
我々はこれらのデバイス特性を利用して、ニューロンのアナログ計算の3つの側面をエミュレートする: 高速(1ms) スパイク、低速(1ms) スパイク(100ms) デンドライトコンパートメント、超低速(1ms) 生化学的シグナリング。
論文 参考訳(メタデータ) (2023-09-29T18:18:12Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳(メタデータ) (2023-06-03T06:19:20Z) - Contrastive-Signal-Dependent Plasticity: Forward-Forward Learning of
Spiking Neural Systems [73.18020682258606]
我々は、ニューロンの個々の層が並列に機能する、スパイキングニューロンユニットからなる神経模倣アーキテクチャを開発する。
コントラスト信号依存塑性(CSDP)と呼ばれるイベントベース前方学習の一般化を提案する。
いくつかのパターンデータセットに対する実験結果から,CSDPプロセスは分類と再構成の両方が可能な動的再帰スパイクネットワークのトレーニングに有効であることが示された。
論文 参考訳(メタデータ) (2023-03-30T02:40:28Z) - From Clean Room to Machine Room: Commissioning of the First-Generation
BrainScaleS Wafer-Scale Neuromorphic System [0.0]
BrainScaleS-1はスパイキングニューロンの大規模ネットワークをエミュレートする神経型システムである。
フォールトトレラント設計では、避けられないアナログ変数やコンポーネントの障害にもかかわらず、ウェハスケールの統合を実現することができる。
論文 参考訳(メタデータ) (2023-03-22T07:50:51Z) - An accurate and flexible analog emulation of AdEx neuron dynamics in
silicon [0.0]
混合信号加速型ニューロモルフィック系BrainScaleS-2のアナログニューロン回路を提示する。
適応指数積分・燃焼モデル方程式を、電流と導電率に基づくシナプスの両方と組み合わせて柔軟かつ正確にエミュレートすることができる。
論文 参考訳(メタデータ) (2022-09-19T18:08:23Z) - On Fast Simulation of Dynamical System with Neural Vector Enhanced
Numerical Solver [59.13397937903832]
ニューラルベクトル(NeurVec)と呼ばれる深層学習に基づく補正手法を提案する。
NeurVecは、統合エラーを補償し、シミュレーションでより大きなタイムステップサイズを可能にする。
様々な複雑な力学系ベンチマークの実験により、NeurVecは顕著な一般化能力を示すことが示された。
論文 参考訳(メタデータ) (2022-08-07T09:02:18Z) - Mapping and Validating a Point Neuron Model on Intel's Neuromorphic
Hardware Loihi [77.34726150561087]
インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。
Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。
Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
論文 参考訳(メタデータ) (2021-09-22T16:52:51Z) - Accelerated Analog Neuromorphic Computing [0.0]
本稿では,BrainScales (BSS) を加速したアナログニューロモルフィックコンピューティングアーキテクチャの背景にある概念について述べる。
第2世代のBrainScales-2(BSS-2)と、その最新のシリコン内実現であるHICANN-Xアプリケーション固有集積回路(ASIC)について述べる。
提示されたアーキテクチャは、ニューロンとシナプスの連続的、アナログ的、物理モデルの実装に基づいている。
論文 参考訳(メタデータ) (2020-03-26T16:00:55Z) - Structural plasticity on an accelerated analog neuromorphic hardware
system [0.46180371154032884]
我々は, プレ・グポストシナプスのパートナーを常に切り替えることにより, 構造的可塑性を達成するための戦略を提案する。
我々はこのアルゴリズムをアナログニューロモルフィックシステムBrainScaleS-2に実装した。
ネットワークトポロジを最適化する能力を示し、簡単な教師付き学習シナリオで実装を評価した。
論文 参考訳(メタデータ) (2019-12-27T10:15:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。