論文の概要: NeuCASL: From Logic Design to System Simulation of Neuromorphic Engines
- arxiv url: http://arxiv.org/abs/2208.03500v1
- Date: Sat, 6 Aug 2022 11:33:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-09 14:07:14.987049
- Title: NeuCASL: From Logic Design to System Simulation of Neuromorphic Engines
- Title（参考訳）: NeuCASL: 論理設計からニューロモルフィックエンジンのシステムシミュレーションへ
- Authors: Dharanidhar Dang, Amitash Nanda, Bill Lin and Debashis Sahoo
- Abstract要約: 従来のフォン・ノイマンシステムでは、CNNのような計算集約アルゴリズムにGFlops/WWは提供できない。
最近の非伝統的なコンピューティングアプローチのトレンドは、非常にエネルギー効率の良いコンピューティングシステムを設計することを希望している。
ニューロモルフィックコンピューティングは、脳にインスパイアされた回路、新興技術の使用、低パワーな性質で有望なアプローチである。
- 参考スコア（独自算出の注目度）: 4.703575818045364
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With Moore's law saturating and Dennard scaling hitting its wall, traditional
Von Neuman systems cannot offer the GFlops/watt for compute-intensive
algorithms such as CNN. Recent trends in unconventional computing approaches
give us hope to design highly energy-efficient computing systems for such
algorithms. Neuromorphic computing is a promising such approach with its
brain-inspired circuitry, use of emerging technologies, and low-power nature.
Researchers use a variety of novel technologies such as memristors, silicon
photonics, FinFET, and carbon nanotubes to demonstrate a neuromorphic computer.
However, a flexible CAD tool to start from neuromorphic logic design and go up
to architectural simulation is yet to be demonstrated to support the rise of
this promising paradigm. In this project, we aim to build NeuCASL, an
opensource python-based full system CAD framework for neuromorphic logic
design, circuit simulation, and system performance and reliability estimation.
This is a first of its kind to the best of our knowledge.
- Abstract（参考訳）: ムーアの法則の飽和とデナードのスケーリングが壁にぶつかったため、伝統的なフォン・ニューマン・システムはCNNのような計算集約アルゴリズムにGFlops/WWを供給できない。
非従来型コンピューティングアプローチの最近のトレンドは、そのようなアルゴリズムのために高エネルギー効率なコンピューティングシステムを設計することを望んでいる。
ニューロモルフィックコンピューティングは、脳にインスパイアされた回路、新興技術の使用、低パワーな性質で有望なアプローチである。
研究者は、memristors、silicon photonics、finfet、carbon nanotubesなどの様々な新しい技術を使って、ニューロモルフィックコンピュータを実証している。
しかし、ニューロモルフィック論理設計から始めてアーキテクチャシミュレーションに進む柔軟なCADツールは、この将来性のあるパラダイムの台頭を支持するためにまだ実証されていない。
本稿では,ニューロモルフィック論理設計,回路シミュレーション,システム性能および信頼性評価のための,オープンソースのピソンベースフルシステムCADフレームワークであるNeuCASLを構築することを目的とする。
これは私たちの知る限りでは初めてのことです。
関連論文リスト
- A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures [73.65190161312555]
ARCANAは、混合信号ニューロモルフィック回路の特性を考慮に入れたスパイクニューラルネットワークシミュレータである。
その結果,ソフトウェアでトレーニングしたスパイクニューラルネットワークの挙動を,信頼性の高い推定結果として提示した。
論文 参考訳（メタデータ） (2024-09-23T11:16:46Z) - Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。
本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文 参考訳（メタデータ） (2024-09-17T04:48:45Z) - GPU-RANC: A CUDA Accelerated Simulation Framework for Neuromorphic Architectures [1.3401966602181168]
ニューロモーフィックコンピューティングのための再構成可能なアーキテクチャ(RANC)のGPUによる実装について紹介する。
512個のニューロモルフィックコアMNIST推論アプリケーションに基づくRANCシミュレータのシリアルバージョンと比較して,最大780倍の高速化を示した。
論文 参考訳（メタデータ） (2024-04-24T21:08:21Z) - 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) - NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems [50.076028127394366]
ニューロベンチ(NeuroBench)はニューロモルフィックコンピューティングアルゴリズムとシステムのためのベンチマークフレームワークである。
NeuroBenchは、業界や学界にまたがる研究者のオープンなコミュニティによる共同開発である。
論文 参考訳（メタデータ） (2023-04-10T15:12:09Z) - SPAIC: A Spike-based Artificial Intelligence Computing Framework [22.133585707508963]
本稿では,Python ベースのスパイキングニューラルネットワーク (SNN) シミュレーションおよびトレーニングフレームワーク SPAIC を提案する。
ディープラーニングと神経科学の両方の機能と統合された、脳にインスパイアされたモデルとアルゴリズムの研究をサポートすることを目指している。
ニューラルサーキット、深層SNN学習、ニューロモルフィック応用など、さまざまな例を挙げる。
論文 参考訳（メタデータ） (2022-07-26T08:57:42Z) - 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) - Implementing Spiking Neural Networks on Neuromorphic Architectures: A
Review [0.19573380763700707]
我々は,ニューロモルフィックコンピューティングのシステムソフトウェア技術分野における将来が持つ課題と機会を強調する。
プラットフォームベース設計とハードウェア・ソフトウェア共同設計の両方に提案されているフレームワークの概要について概説する。
論文 参考訳（メタデータ） (2022-02-17T21:00:59Z) - 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)
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。