論文の概要: Phenomenological Model of Superconducting Optoelectronic Loop Neurons
- arxiv url: http://arxiv.org/abs/2210.09976v1
- Date: Tue, 18 Oct 2022 16:38:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 14:48:00.356676
- Title: Phenomenological Model of Superconducting Optoelectronic Loop Neurons
- Title（参考訳）: 超伝導光電子ループニューロンの現象モデル
- Authors: Jeffrey M. Shainline, Bryce A. Primavera, and Saeed Khan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Superconducting optoelectronic loop neurons are a class of circuits
potentially conducive to networks for large-scale artificial cognition. These
circuits employ superconducting components including single-photon detectors,
Josephson junctions, and transformers to achieve neuromorphic functions. To
date, all simulations of loop neurons have used first-principles circuit
analysis to model the behavior of synapses, dendrites, and neurons. These
circuit models are computationally inefficient and leave opaque the
relationship between loop neurons and other complex systems. Here we introduce
a modeling framework that captures the behavior of the relevant synaptic,
dendritic, and neuronal circuits at a phenomenological level without resorting
to full circuit equations. Within this compact model, each dendrite is
discovered to obey a single nonlinear leaky-integrator ordinary differential
equation, while a neuron is modeled as a dendrite with a thresholding element
and an additional feedback mechanism for establishing a refractory period. A
synapse is modeled as a single-photon detector coupled to a dendrite, where the
response of the single-photon detector follows a closed-form expression. We
quantify the accuracy of the phenomenological model relative to circuit
simulations and find that the approach reduces computational time by a factor
of ten thousand while maintaining accuracy of one part in ten thousand. We
demonstrate the use of the model with several basic examples. The net increase
in computational efficiency enables future simulation of large networks, while
the formulation provides a connection to a large body of work in applied
mathematics, computational neuroscience, and physical systems such as spin
glasses.
- Abstract（参考訳）: 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を誘導する回路の一種である。
これらの回路は、単光子検出器、ジョセフソン接合、トランスフォーマーを含む超伝導成分を使用して神経形態的機能を達成する。
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第一原理回路解析を用いてシナプス、デンドライト、ニューロンの挙動をモデル化してきた。
これらの回路モデルは計算効率が悪く、ループニューロンと他の複雑なシステムとの関係が不透明である。
本稿では,回路の完全等式を使わずに,関連するシナプス,樹状,神経回路の現象論的レベルでの挙動を捉えるモデリングフレームワークを提案する。
このコンパクトモデルにおいて、各デンドライトは単一の非線形リーク積分子常微分方程式に従うことが発見され、一方、ニューロンは閾値要素を持つデンドライトと、耐火物期間を確立するための追加のフィードバック機構としてモデル化される。
シナプスはデンドライトに結合した単光子検出器としてモデル化され、単光子検出器の応答は閉形式表現に従う。
回路シミュレーションに対する現象論的モデルの精度を定量化し,1万分の1の精度を維持しつつ計算時間を1万倍に削減できることを見出した。
モデルの使用をいくつかの基本的な例で示す。
計算効率のネット増加は、大規模ネットワークの将来のシミュレーションを可能にし、この定式化は、応用数学、計算神経科学、スピングラスのような物理システムにおける大規模な研究と接続する。
関連論文リスト
- Relating Superconducting Optoelectronic Networks to Classical Neurodynamics [0.0]
超伝導ループニューロンの現象論的モデルとして,シナプスとデンドライトを記述したジョセフソン回路方程式を解く必要がなくなる。
いくつかの回路パラメータでは、単一のスパイクに対する下流の樹状反応と、偶然またはスパイクのシーケンスを表現できる。
支配方程式は、漏洩積分体デンドライトと神経細胞をモデル化するための神経科学の文献において、ほぼ同一であることが示されている。
論文 参考訳（メタデータ） (2024-09-26T16:23:53Z) - 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) - Pairing-based graph neural network for simulating quantum materials [0.8192907805418583]
量子多体系をシミュレーションするためのペアリング型グラフニューラルネットワークを開発した。
我々のニューラルネットワークを用いた変分モンテカルロは、多数の電子システムをシミュレートするための正確で柔軟でスケーラブルな手法を同時に提供します。
論文 参考訳（メタデータ） (2023-11-03T17:12:29Z) - A versatile circuit for emulating active biological dendrites applied to
sound localisation and neuron imitation [0.0]
我々は,利得を示し,遅延を導入し,統合を行うデンドライトのセグメントをエミュレートする汎用回路を導入する。
また、デンドライトが破裂するニューロンを形成できることもわかりました。
この重要な発見は、デンドライト回路のみからなるニューラルネットワークを作る可能性を示唆している。
論文 参考訳（メタデータ） (2023-10-25T09:42:24Z) - 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) - A Bio-Inspired Chaos Sensor Model Based on the Perceptron Neural
Network: Machine Learning Concept and Application for Computational
Neuro-Science [0.0]
本研究では,神経力学系におけるスパイクトレインのエントロピー推定のための知覚神経ネットワークに基づくバイオインスパイアされたカオスセンサモデルを提案する。
このモデルはスパイク信号のカオス的挙動を動的に追跡し、この情報を神経力学モデルの他の部分に送信してさらなる処理を行うことができる。
論文 参考訳（メタデータ） (2023-06-03T03:36:47Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Provably Efficient Neural Estimation of Structural Equation Model: An
Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。
線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。
提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文 参考訳（メタデータ） (2020-07-02T17:55:47Z) - Multipole Graph Neural Operator for Parametric Partial Differential
Equations [57.90284928158383]
物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。
線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。
実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
論文 参考訳（メタデータ） (2020-06-16T21:56:22Z) - Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。
数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。
我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文 参考訳（メタデータ） (2020-06-02T23:38:35Z)
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。