Fugu-MT 論文翻訳(概要): An accurate and flexible analog emulation of AdEx neuron dynamics in silicon

論文の概要: An accurate and flexible analog emulation of AdEx neuron dynamics in silicon

arxiv url: http://arxiv.org/abs/2209.09280v1
Date: Mon, 19 Sep 2022 18:08:23 GMT
ステータス: 処理完了
システム内更新日: 2022-09-21 18:01:19.252373
Title: An accurate and flexible analog emulation of AdEx neuron dynamics in silicon
Title（参考訳）: シリコン中のAdExニューロンダイナミクスの高精度で柔軟なアナログエミュレーション
Authors: Sebastian Billaudelle, Johannes Weis, Philipp Dauer, Johannes Schemmel
Abstract要約: 混合信号加速型ニューロモルフィック系BrainScaleS-2のアナログニューロン回路を提示する。適応指数積分・燃焼モデル方程式を、電流と導電率に基づくシナプスの両方と組み合わせて柔軟かつ正確にエミュレートすることができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Analog neuromorphic hardware promises fast brain emulation on the one hand and an efficient implementation of novel, brain-inspired computing paradigms on the other. Bridging this spectrum requires flexibly configurable circuits with reliable and reproducible dynamics fostered by an accurate implementation of the targeted neuron and synapse models. This manuscript presents the analog neuron circuits of the mixed-signal accelerated neuromorphic system BrainScaleS-2. They are capable of flexibly and accurately emulating the adaptive exponential leaky integrate-and-fire model equations in combination with both current- and conductance-based synapses, as demonstrated by precisely replicating a wide range of complex neuronal dynamics and firing patterns.
Abstract（参考訳）: アナログニューロモルフィックハードウェアは、一方の脳の高速エミュレーションと他方の脳に着想を得た新しい計算パラダイムの効率的な実装を約束する。このスペクトルをブリッジするには、標的ニューロンとシナプスモデルの正確な実装によって育てられる信頼性と再現可能なダイナミクスを備えた柔軟に構成可能な回路が必要である。混合信号加速型ニューロモルフィック系BrainScaleS-2のアナログニューロン回路を提示する。彼らは、広範囲の複雑なニューロンのダイナミクスと発射パターンを正確に再現することにより、適応的な指数的漏洩積分・燃焼モデル方程式を、電流および伝導性に基づくシナプスと組み合わせて柔軟かつ正確にエミュレートすることができる。

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)
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)
WaLiN-GUI: a graphical and auditory tool for neuron-based encoding [73.88751967207419]
ニューロモルフィックコンピューティングはスパイクベースのエネルギー効率の高い通信に依存している。本研究では, スパイクトレインへのサンプルベースデータの符号化に適した構成を同定するツールを開発した。 WaLiN-GUIはオープンソースとドキュメントが提供されている。
論文参考訳（メタデータ） (2023-10-25T20:34:08Z)
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)
Efficient Neuromorphic Signal Processing with Loihi 2 [6.32784133039548]
本稿では, 短時間フーリエ変換(STFT)を従来のSTFTの47倍の出力帯域幅で計算する方法を示す。また、音声分類タスクのためのRFニューロンのトレーニングのためのバックプロパゲーションを用いた有望な予備結果を示す。
論文参考訳（メタデータ） (2021-11-05T22:37:05Z)
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)
Ultra-Low-Power FDSOI Neural Circuits for Extreme-Edge Neuromorphic Intelligence [2.6199663901387997]
インメモリコンピューティング混合信号ニューロモルフィックアーキテクチャはエッジコンピューティングのセンサ処理への応用に期待できる超低消費電力のソリューションを提供する。本稿では、FDSOI(Fully-Depleted Silicon on Insulator)統合プロセスの特徴を利用する混合信号アナログ/デジタル回路を提案する。
論文参考訳（メタデータ） (2020-06-25T09:31:29Z)
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)
Accelerated Analog Neuromorphic Computing [0.0]
本稿では,BrainScales (BSS) を加速したアナログニューロモルフィックコンピューティングアーキテクチャの背景にある概念について述べる。第2世代のBrainScales-2(BSS-2)と、その最新のシリコン内実現であるHICANN-Xアプリケーション固有集積回路(ASIC)について述べる。提示されたアーキテクチャは、ニューロンとシナプスの連続的、アナログ的、物理モデルの実装に基づいている。
論文参考訳（メタデータ） (2020-03-26T16:00:55Z)
Synaptic Integration of Spatiotemporal Features with a Dynamic Neuromorphic Processor [0.1529342790344802]
DYNAP-SENAPの動的シナプスを持つ単一点ニューロンは、特定の時間構造を持つシナプス前スパイクに対して選択的に応答できることを示す。この構造は、例えば単一ニューロンの視覚的特徴調整を可能にする。
論文参考訳（メタデータ） (2020-02-12T11:26:35Z)
Structural plasticity on an accelerated analog neuromorphic hardware system [0.46180371154032884]
我々は, プレ・グポストシナプスのパートナーを常に切り替えることにより, 構造的可塑性を達成するための戦略を提案する。我々はこのアルゴリズムをアナログニューロモルフィックシステムBrainScaleS-2に実装した。ネットワークトポロジを最適化する能力を示し、簡単な教師付き学習シナリオで実装を評価した。
論文参考訳（メタデータ） (2019-12-27T10:15:58Z)

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。