論文の概要: Does the brain function as a quantum phase computer using phase ternary
computation?
- arxiv url: http://arxiv.org/abs/2012.06537v1
- Date: Fri, 4 Dec 2020 08:00:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-23 09:01:14.248102
- Title: Does the brain function as a quantum phase computer using phase ternary
computation?
- Title(参考訳): 脳は相3次計算を使って量子位相コンピュータとして機能するのか?
- Authors: Andrew Simon Johnson and William Winlow
- Abstract要約: 神経伝達の基本的な基礎は、計算可能な圧力パルス/ソリトンから導かれることを示す。
ケーブル理論に基づく現代の神経伝導理論は,計算時間を短くする上で不適切であることを示す。
脳神経ネットワークの分解は、チューリングマシンが最も単純な量子相コンピュータのグループのメンバーであることを示唆している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Here we provide evidence that the fundamental basis of nervous communication
is derived from a pressure pulse/soliton capable of computation with sufficient
temporal precision to overcome any processing errors. Signalling and computing
within the nervous system are complex and different phenomena. Action
potentials are plastic and this makes the action potential peak an
inappropriate fixed point for neural computation, but the action potential
threshold is suitable for this purpose. Furthermore, neural models timed by
spiking neurons operate below the rate necessary to overcome processing error.
Using retinal processing as our example, we demonstrate that the contemporary
theory of nerve conduction based on cable theory is inappropriate to account
for the short computational time necessary for the full functioning of the
retina and by implication the rest of the brain. Moreover, cable theory cannot
be instrumental in the propagation of the action potential because at the
activation-threshold there is insufficient charge at the activation site for
successive ion channels to be electrostatically opened. Deconstruction of the
brain neural network suggests that it is a member of a group of Quantum phase
computers of which the Turing machine is the simplest: the brain is another
based upon phase ternary computation. However, attempts to use Turing based
mechanisms cannot resolve the coding of the retina or the computation of
intelligence, as the technology of Turing based computers is fundamentally
different. We demonstrate that that coding in the brain neural network is
quantum based, where the quanta have a temporal variable and a phase-base
variable enabling phase ternary computation as previously demonstrated in the
retina.
- Abstract(参考訳): 本稿では,神経伝達の基礎は,処理誤差を克服するのに十分な時間的精度で計算可能な圧力パルス/ソリトンであることを示す。
神経系内のシグナル伝達と計算は複雑で異なる現象である。
アクション電位は可塑性であり、アクションポテンシャルピークは神経計算の不適切な不動点となるが、アクションポテンシャル閾値はこの目的に適している。
さらに、ニューロンをスパイクすることで時間をかける神経モデルは、処理エラーを克服するために必要な速度以下で動作する。
本稿では, 網膜処理を例として, ケーブル理論に基づく現代の神経伝導理論は, 網膜の完全機能に必要な計算時間と脳の他の部分の含意を考慮に入れるのに不適切であることを示す。
さらに、連続するイオンチャネルが静電気的に開放される活性化部位では、活性化閾値では電荷が不足するため、ケーブル理論は作用電位の伝播に役立てることができない。
脳のニューラルネットのデコンストラクションは、チューリングマシンが最も単純な量子位相コンピュータのグループのメンバーであることを示唆している。
しかし、チューリングベースの機構を使用する試みは、チューリングベースのコンピュータの技術が根本的に異なるため、網膜のコーディングや知能の計算を解決できない。
脳のニューラルネットにおける符号化は量子ベースであり、量子は時間変数と位相ベース変数を持ち、網膜で以前に示されたように位相三元計算を可能にする。
関連論文リスト
- Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳(メタデータ) (2023-12-01T05:20:57Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳(メタデータ) (2022-12-08T15:16:04Z) - Sequence learning in a spiking neuronal network with memristive synapses [0.0]
脳計算の中心にある中核的な概念は、シーケンス学習と予測である。
ニューロモルフィックハードウェアは、脳が情報を処理する方法をエミュレートし、ニューロンとシナプスを直接物理的基質にマッピングする。
シークエンス学習モデルにおける生物学的シナプスの代替としてReRAMデバイスを使用することの可能性について検討する。
論文 参考訳(メタデータ) (2022-11-29T21:07:23Z) - Encoding Integers and Rationals on Neuromorphic Computers using Virtual
Neuron [0.0]
仮想ニューロンを整数と有理数の符号化機構として提示する。
本研究では,23nJのエネルギーを混合信号メムリスタベースニューロモルフィックプロセッサを用いて平均的に加算操作を行うことができることを示す。
論文 参考訳(メタデータ) (2022-08-15T23:18:26Z) - Parametrized constant-depth quantum neuron [56.51261027148046]
本稿では,カーネルマシンをベースとした量子ニューロン構築フレームワークを提案する。
ここでは、指数的に大きい空間にテンソル積特徴写像を適用するニューロンについて述べる。
パラメトリゼーションにより、提案されたニューロンは、既存のニューロンが適合できない基礎となるパターンを最適に適合させることができることが判明した。
論文 参考訳(メタデータ) (2022-02-25T04:57:41Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳(メタデータ) (2022-01-19T09:26:34Z) - Quantum activation functions for quantum neural networks [0.0]
情報を符号化する状態を測定することなく、必要な精度で解析関数を近似する方法を示す。
この結果は,ゲートモデル量子コンピュータのアーキテクチャにおける人工ニューラルネットワークの科学を再放送するものである。
論文 参考訳(メタデータ) (2022-01-10T23:55:49Z) - 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) - Experimental quantum memristor [0.5396401833457565]
我々は、集積フォトニクスと単一光子に作用する新しい量子光学メムリスタを、実験的に導入し、実証する。
私たちのデバイスは、即時および短期的な量子ニューロモルフィックアーキテクチャの構築ブロックになる可能性がある。
論文 参考訳(メタデータ) (2021-05-11T08:42:14Z) - Neuromorphic Algorithm-hardware Codesign for Temporal Pattern Learning [11.781094547718595]
複雑な空間時間パターンを学習するためにSNNを訓練できるLeaky IntegrateとFireニューロンの効率的なトレーニングアルゴリズムを導出する。
我々は,ニューロンとシナプスのメムリスタに基づくネットワークのためのCMOS回路実装を開発した。
論文 参考訳(メタデータ) (2021-04-21T18:23:31Z)
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。