論文の概要: Cryogenic Neuromorphic Hardware

• arxiv url: http://arxiv.org/abs/2204.07503v1
• Date: Fri, 25 Mar 2022 20:44:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-25 00:21:51.752049
• Title: Cryogenic Neuromorphic Hardware
• Title（参考訳）: 極低温ニューロモルフィックハードウェア
• Authors: Md Mazharul Islam, Shamiul Alam, Md Shafayat Hossain, Kaushik Roy, Ahmedullah Aziz
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.399870108760824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The revolution in artificial intelligence (AI) brings up an enormous storage and data processing requirement. Large power consumption and hardware overhead have become the main challenges for building next-generation AI hardware. Therefore, it is imperative to look for a new architecture capable of circumventing these bottlenecks of conventional von Neumann architecture. Since the human brain is the most compact and energy-efficient intelligent device known, it was intuitive to attempt to build an architecture that could mimic our brain, and so the chase for neuromorphic computing began. While relentless research has been underway for years to minimize the power consumption in neuromorphic hardware, we are still a long way off from reaching the energy efficiency of the human brain. Besides, design complexity, process variation, etc. hinder the large-scale implementation of current neuromorphic platforms. Recently, the concept of implementing neuromorphic computing systems in cryogenic temperature has garnered immense attention. Several cryogenic devices can be engineered to work as neuromorphic primitives with ultra-low demand for power. Cryogenic electronics has therefore become a promising exploratory platform for an energy-efficient and bio-realistic neuromorphic system. Here we provide a comprehensive overview of the reported cryogenic neuromorphic hardware. We carefully classify the existing cryogenic neuromorphic hardware into different categories and draw a comparative analysis based on several performance metrics. Finally, we explore the future research prospects to circumvent the challenges associated with the current technologies.
• Abstract（参考訳）: 人工知能(AI)の革命は、膨大なストレージとデータ処理の要求をもたらす。 電力消費とハードウェアオーバーヘッドは、次世代AIハードウェアを構築する上で大きな課題となっている。 したがって、従来のフォン・ノイマン・アーキテクチャのボトルネックを回避できる新しいアーキテクチャを探すことが不可欠である。 人間の脳は、最もコンパクトでエネルギー効率の良い知能デバイスとして知られており、私たちの脳を模倣するアーキテクチャを構築しようという試みは直感的だったため、ニューロモルフィックコンピューティングの追求が始まりました。 ニューロモルフィックハードウェアの電力消費を最小化するために、長年にわたり研究が続けられてきたが、人間の脳のエネルギー効率に到達するまでにはまだ長い道のりがある。 さらに、設計の複雑さやプロセスのバリエーションなどにより、現在のニューロモルフィックプラットフォームの大規模実装が妨げられる。 近年,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現という概念が注目されている。 いくつかの極低温デバイスは、超低電力のニューロモルフィックプリミティブとして機能するように設計することができる。 そのため、低温エレクトロニクスはエネルギー効率とバイオリアリスティックなニューロモルフィックシステムのための有望な探索プラットフォームとなっている。 ここでは, 極低温神経形態学ハードウェアについて概観する。 我々は,既存の極低温神経成型ハードウェアを分類し,いくつかの性能指標に基づいて比較分析を行う。 最後に,現在の技術にまつわる課題を回避するための今後の研究の展望を探る。

関連論文リスト

• A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
  バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。 本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。 我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
  論文  参考訳（メタデータ） (2024-02-16T18:05:09Z)
• 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)
• 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)
• Neuromorphic Computing and Sensing in Space [69.34740063574921]
  神経型コンピュータチップは、生物学的脳の構造を模倣するように設計されている。 ニューロモルフィックデバイスの低消費電力とエネルギー効率に重点を置くことは、宇宙応用には最適である。
  論文  参考訳（メタデータ） (2022-12-10T07:46:29Z)
• A perspective on physical reservoir computing with nanomagnetic devices [1.9007022664972197]
  我々は、スピントロニクスデバイスを用いた計算に適した単純なトレーニングアルゴリズムを備えたリカレントネットワークである貯水池コンピューティングパラダイムに焦点を当てた。 我々はニューロモルフィック・スピントロニクスデバイスを開発するための技術や手法をレビューし、そのようなデバイスが広く使われるようになる前に対処すべき重要なオープン・イシューを結論付ける。
  論文  参考訳（メタデータ） (2022-12-09T13:43:21Z)
• 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)
• 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)
• A Case for 3D Integrated System Design for Neuromorphic Computing & AI Applications [13.885942364616948]
  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。
  論文  参考訳（メタデータ） (2021-03-02T21:50:12Z)
• 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。