論文の概要: Izhikevich-Inspired Optoelectronic Neurons with Excitatory and
Inhibitory Inputs for Energy-Efficient Photonic Spiking Neural Networks
- arxiv url: http://arxiv.org/abs/2105.02809v1
- Date: Mon, 3 May 2021 03:58:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-01 17:31:21.182453
- Title: Izhikevich-Inspired Optoelectronic Neurons with Excitatory and
Inhibitory Inputs for Energy-Efficient Photonic Spiking Neural Networks
- Title（参考訳）: Izhikevich刺激光電子ニューロンを用いたエネルギー効率の高い光スパイクニューラルネットワーク
- Authors: Yun-jhu Lee, Mehmet Berkay On, Xian Xiao, Roberto Proietti, S. J. Ben
Yoo
- Abstract要約: We developed a detailed optoelectronic neuron model in Verilog-A。
完全連結(FC)と畳み込みニューラルネットワーク(CNN)を用いてシミュレーションを行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We designed, prototyped, and experimentally demonstrated, for the first time
to our knowledge, an optoelectronic spiking neuron inspired by the Izhikevich
model incorporating both excitatory and inhibitory optical spiking inputs and
producing optical spiking outputs accordingly. The optoelectronic neurons
consist of three transistors acting as electrical spiking circuits, a
vertical-cavity surface-emitting laser (VCSEL) for optical spiking outputs, and
two photodetectors for excitatory and inhibitory optical spiking inputs.
Additional inclusion of capacitors and resistors complete the
Izhikevich-inspired optoelectronic neurons, which receive excitatory and
inhibitory optical spikes as inputs from other optoelectronic neurons. We
developed a detailed optoelectronic neuron model in Verilog-A and simulated the
circuit-level operation of various cases with excitatory input and inhibitory
input signals. The experimental results closely resemble the simulated results
and demonstrate how the excitatory inputs trigger the optical spiking outputs
while the inhibitory inputs suppress the outputs. Utilizing the simulated
neuron model, we conducted simulations using fully connected (FC) and
convolutional neural networks (CNN). The simulation results using MNIST
handwritten digits recognition show 90% accuracy on unsupervised learning and
97% accuracy on a supervised modified FC neural network. We further designed a
nanoscale optoelectronic neuron utilizing quantum impedance conversion where a
200 aJ/spike input can trigger the output from on-chip nanolasers with 10
fJ/spike. The nanoscale neuron can support a fanout of ~80 or overcome 19 dB
excess optical loss while running at 10 GSpikes/second in the neural network,
which corresponds to 100x throughput and 1000x energy-efficiency improvement
compared to state-of-art electrical neuromorphic hardware such as Loihi and
NeuroGrid.
- Abstract（参考訳）: 我々は初めて、イジケヴィッチモデルに触発された光電子スパイキングニューロンを設計し、試作し、実験的に実証した。
光電子ニューロンは、電気スパイク回路として機能する3つのトランジスタと、光学スパイク出力のための垂直キャビティ表面発光レーザ(VCSEL)と、励起および阻止光学スパイク入力のための2つの光検出器とからなる。
コンデンサと抵抗体の追加は、他の光電子ニューロンからの入力として興奮性および抑制性光スパイクを受けるイジケビッチ誘発光電子ニューロンを完成させる。
verilog-aで詳細な視神経モデルを開発し,興奮入力および抑制入力信号を用いた各種症例の回路レベルの動作をシミュレートした。
実験結果はシミュレーション結果とよく似ており, 励起入力が光スパイク出力を誘導し, 抑制入力が出力を抑制することを示す。
シミュレーションニューロンモデルを用いて,完全連結(FC)と畳み込みニューラルネットワーク(CNN)を用いたシミュレーションを行った。
MNIST手書き文字認識を用いたシミュレーションの結果,教師なし学習では90%の精度,教師付き修正FCニューラルネットワークでは97%の精度を示した。
さらに,200 aj/spike入力が10 fj/spikeのオンチップナノレーザーからの出力をトリガーできる量子インピーダンス変換を用いたナノスケール光電子ニューロンの設計を行った。
ナノスケールニューロンは、LoihiやNeuroGridのような最先端の電気ニューロモルフィックハードウェアと比較して、100倍のスループットと1000倍のエネルギー効率向上に対応するニューラルネットワークで10GSpikes/秒で実行しながら、80から19dB超過の光学損失を克服することができる。
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) - The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。
ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。
本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文 参考訳（メタデータ） (2023-06-14T13:34:13Z) - Phenomenological Model of Superconducting Optoelectronic Loop Neurons [0.0]
超伝導光電子ループニューロン(英: Superconducting optoelectronic loop neurons)は、大規模人工認知のためのネットワークに導かれる回路の一種である。
これまで、ループニューロンの全てのシミュレーションは、シナプス、デンドライト、ニューロンの挙動をモデル化するために第一原理回路解析を用いてきた。
ここでは、関連するシナプス、樹状突起、神経回路の挙動を捉えるためのモデリングフレームワークを紹介する。
論文 参考訳（メタデータ） (2022-10-18T16:38:35Z) - Adapting Brain-Like Neural Networks for Modeling Cortical Visual
Prostheses [68.96380145211093]
皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。
現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。
我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
論文 参考訳（メタデータ） (2022-09-27T17:33:19Z) - Artificial optoelectronic spiking neuron based on a resonant tunnelling
diode coupled to a vertical cavity surface emitting laser [0.17354071459927545]
精密な光電子デバイスは、人工スパイクニューロンを実装するための鍵となる構成要素の1つである。
本研究は、共振トンネルダイオード(RTD)を用いたオプトエレクトロ光(O/E/O)人工ニューロンの導入と実験的研究である。
我々は、このニューロンが特徴的な神経様屈折周期を持つ100nsの光スパイク応答を発生させる、よく定義された興奮性閾値を実証した。
論文 参考訳（メタデータ） (2022-06-22T14:43:03Z) - Energy-Efficient High-Accuracy Spiking Neural Network Inference Using
Time-Domain Neurons [0.18352113484137625]
本稿では低出力高線形時間領域I&Fニューロン回路を提案する。
提案されたニューロンは、MNIST推論において4.3倍のエラー率をもたらす。
提案したニューロン回路で消費される電力は1ニューロンあたり0.230uWとシミュレートされ、これは既存の電圧領域ニューロンよりも桁違いに低い。
論文 参考訳（メタデータ） (2022-02-04T08:24:03Z) - 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) - Resonant tunnelling diode nano-optoelectronic spiking nodes for
neuromorphic information processing [0.0]
超高速かつ低消費電力で動作可能な光電子人工ニューロンを提案する。
提案システムは、励起可能なトンネルダイオード(RTD)素子とナノスケール光源を組み合わせたものである。
論文 参考訳（メタデータ） (2021-07-14T14:11:04Z) - A superconducting nanowire spiking element for neural networks [0.0]
大規模ニューラルネットワークの成功の鍵は、スケーラブルで、従来の制御エレクトロニクスと簡単に接続できる、電力効率のよいスパイク要素である。
10aJの順にパルスエネルギーを持つ超伝導ナノワイヤからなるスパイク素子を提案する。
本装置は、屈折周期や発射閾値などの生体ニューロンの本質的特性を再現することを示した。
論文 参考訳（メタデータ） (2020-07-29T20:48:36Z) - Flexible Transmitter Network [84.90891046882213]
現在のニューラルネットワークはMPモデルに基づいて構築されており、通常はニューロンを他のニューロンから受信した信号の実際の重み付け集約上での活性化関数の実行として定式化する。
本稿では,フレキシブル・トランスミッタ(FT)モデルを提案する。
本稿では、最も一般的な完全接続型フィードフォワードアーキテクチャ上に構築された、フレキシブルトランスミッタネットワーク(FTNet)について述べる。
論文 参考訳（メタデータ） (2020-04-08T06:55:12Z)
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。