論文の概要: A Case for 3D Integrated System Design for Neuromorphic Computing & AI Applications

• arxiv url: http://arxiv.org/abs/2103.04852v1
• Date: Tue, 2 Mar 2021 21:50:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 00:55:30.190382
• Title: A Case for 3D Integrated System Design for Neuromorphic Computing & AI Applications
• Title（参考訳）: ニューロモルフィックコンピューティングとAI応用のための3次元統合システム設計の一事例
• Authors: Eren Kurshan, Hai Li, Mingoo Seok, Yuan Xie
• Abstract要約: 3d統合は、コスト効率が良く柔軟なニューロモルフィックチップの設計に戦略的な利点をもたらすだけでなく、将来の設計にさらなる利益をもたらすために高度な機能を取り入れた設計の柔軟性をもたらすかもしれないと論じている。
• 参考スコア（独自算出の注目度）: 13.885942364616948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Over the last decade, artificial intelligence has found many applications areas in the society. As AI solutions have become more sophistication and the use cases grew, they highlighted the need to address performance and energy efficiency challenges faced during the implementation process. To address these challenges, there has been growing interest in neuromorphic chips. Neuromorphic computing relies on non von Neumann architectures as well as novel devices, circuits and manufacturing technologies to mimic the human brain. Among such technologies, 3D integration is an important enabler for AI hardware and the continuation of the scaling laws. In this paper, we overview the unique opportunities 3D integration provides in neuromorphic chip design, discuss the emerging opportunities in next generation neuromorphic architectures and review the obstacles. Neuromorphic architectures, which relied on the brain for inspiration and emulation purposes, face grand challenges due to the limited understanding of the functionality and the architecture of the human brain. Yet, high-levels of investments are dedicated to develop neuromorphic chips. We argue that 3D integration not only provides strategic advantages to the cost-effective and flexible design of neuromorphic chips, it may provide design flexibility in incorporating advanced capabilities to further benefits the designs in the future.
• Abstract（参考訳）: 過去10年間、人工知能は社会の多くの応用分野を見つけてきた。 AIソリューションが洗練され、ユースケースが大きくなるにつれて、彼らは、実装プロセス中に直面するパフォーマンスとエネルギー効率の課題に対処する必要性を強調した。 これらの課題に対処するため、ニューロモルフィックチップへの関心が高まっている。 ニューロモルフィックコンピューティングは、非フォン・ノイマンのアーキテクチャと、人間の脳を模倣する新しいデバイス、回路、製造技術に依存している。 このような技術の中で、3D統合は、AIハードウェアとスケーリング法則の継続にとって重要な有効性である。 本稿では、ニューロモルフィックチップ設計における3d統合のユニークな機会を概観し、次世代ニューロモルフィックアーキテクチャにおける新たな機会について論じ、障害をレビューする。 インスピレーションとエミュレーションの目的のために脳に頼っていたニューロモルフィックアーキテクチャは、人間の脳の機能とアーキテクチャの限られた理解のために大きな課題に直面している。 しかし、高レベルの投資はニューロモルフィックチップの開発に向けられている。 3d統合は、コスト効率が良く柔軟なニューロモルフィックチップの設計に戦略的な利点をもたらすだけでなく、将来の設計にさらなる利益をもたらすために高度な機能を取り入れた設計の柔軟性をもたらすかもしれないと論じている。

関連論文リスト

• Towards Efficient Neuro-Symbolic AI: From Workload Characterization to Hardware Architecture [22.274696991107206]
  ニューロシンボリックAIは、解釈可能性、堅牢性、信頼性を高めるニューラルネットワークとシンボリックアプローチを融合して、有望なパラダイムとして出現する。 最近のニューロシンボリックシステムは、推論と認知能力を備えた協調的な人間-AIシナリオにおいて大きな可能性を示している。 まず, ニューロシンボリックAIアルゴリズムを体系的に分類し, 実行時, メモリ, 計算演算子, 疎結合性, システム特性を実験的に評価し, 解析する。
  論文  参考訳（メタデータ） (2024-09-20T01:32:14Z)
• Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
  人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。 提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。 提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
  論文  参考訳（メタデータ） (2024-07-05T14:11:28Z)
• Embodied Neuromorphic Artificial Intelligence for Robotics: Perspectives, Challenges, and Research Development Stack [7.253801704452419]
  スパイキングニューラルネットワーク(SNN)によるニューロモルフィックコンピューティングの最近の進歩は、ロボット工学の具体的インテリジェンスを可能にする可能性を実証している。 本稿では, ロボットシステムにおいて, エンボディ型ニューロモーフィックAIを実現する方法について考察する。
  論文  参考訳（メタデータ） (2024-04-04T09:52:22Z)
• Neuromorphic hardware for sustainable AI data centers [3.011658333753524]
  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からインスピレーションを得ている。 その可能性にもかかわらず、ニューロモルフィックなハードウェアは商用AIデータセンターに導入されていない。 本稿は、ニューロモルフィックハードウェアをデータセンターに統合する際の課題に対する意識を高めることを目的としている。
  論文  参考訳（メタデータ） (2024-02-04T15:08:50Z)
• SpikingJelly: An open-source machine learning infrastructure platform for spike-based intelligence [51.6943465041708]
  スパイキングニューラルネットワーク(SNN)は、高エネルギー効率のニューロモルフィックチップに脳にインスパイアされたインテリジェンスを実現することを目的としている。 我々は、ニューロモルフィックデータセットの事前処理、深層SNNの構築、パラメータの最適化、およびニューロモルフィックチップへのSNNのデプロイのためのフルスタックツールキットをコントリビュートする。
  論文  参考訳（メタデータ） (2023-10-25T13:15:17Z)
• Spike-based Neuromorphic Computing for Next-Generation Computer Vision [1.2367795537503197]
  ニューロモルフィック・コンピューティングは、従来のフォン・ノイマン・コンピューティング・パラダイムと比較してエネルギー効率の桁違いの改善を約束する。 目標は、適応的でフォールトトレラント、低フットプリント、高速、低エネルギーの知能システムを開発することであり、脳の機能を学び、エミュレートすることである。
  論文  参考訳（メタデータ） (2023-10-15T01:05:35Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• 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)
• Neuromorphic Artificial Intelligence Systems [58.1806704582023]
  フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。 この記事では、そのような制限と、それらが緩和される方法について論じる。 これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
  論文  参考訳（メタデータ） (2022-05-25T20:16:05Z)
• Cryogenic Neuromorphic Hardware [5.399870108760824]
  低温下でのニューロモルフィックコンピューティングシステムの実装という概念は、大きな注目を集めている。 ここでは、報告された低温ニューロモルフィックハードウェアの概要について概説する。
  論文  参考訳（メタデータ） (2022-03-25T20:44:02Z)
• Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
  フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。 フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。 これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
  論文  参考訳（メタデータ） (2020-10-30T21:41:44Z)

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。