論文の概要: Integration of Neuromorphic AI in Event-Driven Distributed Digitized
Systems: Concepts and Research Directions
- arxiv url: http://arxiv.org/abs/2210.11190v1
- Date: Thu, 20 Oct 2022 12:09:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 14:52:33.413057
- Title: Integration of Neuromorphic AI in Event-Driven Distributed Digitized
Systems: Concepts and Research Directions
- Title（参考訳）: イベント駆動分散デジタル化システムにおけるニューロモルフィックaiの統合:概念と研究方向
- Authors: Mattias Nilsson, Olov Schel\'en, Anders Lindgren, Ulf Bodin, Cristina
Paniagua, Jerker Delsing, and Fredrik Sandin
- Abstract要約: 本稿では,統合課題を提起する特徴に着目し,ニューロモルフィックコンピューティングの現状について述べる。
本稿では,ニューロモルフィックシステム統合のためのマイクロサービスベースのフレームワークを提案する。
また,この枠組みの実現の基盤となる概念も提示する。
- 参考スコア（独自算出の注目度）: 0.2746383075956081
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Increasing complexity and data-generation rates in cyber-physical systems and
the industrial Internet of things are calling for a corresponding increase in
AI capabilities at the resource-constrained edges of the Internet. Meanwhile,
the resource requirements of digital computing and deep learning are growing
exponentially, in an unsustainable manner. One possible way to bridge this gap
is the adoption of resource-efficient brain-inspired "neuromorphic" processing
and sensing devices, which use event-driven, asynchronous, dynamic
neurosynaptic elements with colocated memory for distributed processing and
machine learning. However, since neuromorphic systems are fundamentally
different from conventional von Neumann computers and clock-driven sensor
systems, several challenges are posed to large-scale adoption and integration
of neuromorphic devices into the existing distributed digital-computational
infrastructure. Here, we describe the current landscape of neuromorphic
computing, focusing on characteristics that pose integration challenges. Based
on this analysis, we propose a microservice-based framework for neuromorphic
systems integration, consisting of a neuromorphic-system proxy, which provides
virtualization and communication capabilities required in distributed systems
of systems, in combination with a declarative programming approach offering
engineering-process abstraction. We also present concepts that could serve as a
basis for the realization of this framework, and identify directions for
further research required to enable large-scale system integration of
neuromorphic devices.
- Abstract（参考訳）: サイバー物理システムとモノの産業用インターネットにおける複雑さとデータ生成率の増大は、インターネットのリソース制限されたエッジにおけるAI能力の増大を呼びかけている。
一方、デジタルコンピューティングとディープラーニングのリソース要件は、持続不可能な方法で指数関数的に増加している。
このギャップを埋める方法のひとつは、イベント駆動、非同期、動的神経シナプス要素と、分散処理と機械学習のためのコロケーションメモリを使用する、リソース効率の高い脳にインスパイアされた"ニューロモーフィック"処理とセンシングデバイスの採用だ。
しかし、ニューロモルフィックシステムは従来のvon neumannコンピュータやクロック駆動センサーシステムとは根本的に異なるため、既存の分散デジタル計算インフラストラクチャへのニューロモルフィックデバイスの導入や統合にいくつかの課題が提起されている。
本稿では,統合課題を提起する特徴に着目し,ニューロモルフィックコンピューティングの現状について述べる。
この分析に基づいて,システムの分散システムに必要な仮想化と通信機能を提供するニューロモーフィックシステムプロキシと,エンジニアリングプロセスの抽象化を提供する宣言型プログラミングアプローチを組み合わせた,ニューロモーフィックシステム統合のためのマイクロサービスベースのフレームワークを提案する。
また,この枠組みの実現の基盤となりうる概念を提示し,ニューロモルフィックデバイスの大規模システム統合を実現するために必要なさらなる研究の方向性を明らかにした。
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) - Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。
新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。
我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文 参考訳（メタデータ） (2024-02-20T15:23:24Z) - DYNAP-SE2: a scalable multi-core dynamic neuromorphic asynchronous
spiking neural network processor [2.9175555050594975]
我々は、リアルタイムイベントベーススパイキングニューラルネットワーク(SNN)をプロトタイピングするための、脳にインスパイアされたプラットフォームを提案する。
提案システムは, 短期可塑性, NMDA ゲーティング, AMPA拡散, ホメオスタシス, スパイク周波数適応, コンダクタンス系デンドライトコンパートメント, スパイク伝達遅延などの動的および現実的なニューラル処理現象の直接エミュレーションを支援する。
異なる生物学的に可塑性のニューラルネットワークをエミュレートする柔軟性と、個体群と単一ニューロンの信号の両方をリアルタイムで監視する能力により、基礎研究とエッジコンピューティングの両方への応用のための複雑なニューラルネットワークモデルの開発と検証が可能になる。
論文 参考訳（メタデータ） (2023-10-01T03:48:16Z) - Spike-based local synaptic plasticity: A survey of computational models
and neuromorphic circuits [1.8464222520424338]
シナプス可塑性のモデル化における歴史的,ボトムアップ的,トップダウン的なアプローチを概観する。
スパイクベース学習ルールの低レイテンシおよび低消費電力ハードウェア実装をサポートする計算プリミティブを同定する。
論文 参考訳（メタデータ） (2022-09-30T15:35:04Z) - 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) - Bottom-up and top-down approaches for the design of neuromorphic
processing systems: Tradeoffs and synergies between natural and artificial
intelligence [3.874729481138221]
ムーアの法則は指数計算能力の期待を加速させており、システム全体の性能を改善するための新たな方法を求める最終段階に近づいている。
これらの方法の1つは、生物学的ニューラルネットワークシステムの柔軟性と計算効率を達成することを目的とした、脳にインスパイアされた代替コンピューティングアーキテクチャの探索である。
我々は、このパラダイムシフトが実現される際の粒度の異なるレベルについて、その分野の包括的概要を提供する。
論文 参考訳（メタデータ） (2021-06-02T16:51:45Z) - A deep learning theory for neural networks grounded in physics [2.132096006921048]
ニューロモルフィックアーキテクチャ上で大規模で高速で効率的なニューラルネットワークを構築するには、それらを実装および訓練するためのアルゴリズムを再考する必要がある。
私たちのフレームワークは、非常に幅広いモデル、すなわち状態やダイナミクスが変動方程式によって記述されるシステムに適用されます。
論文 参考訳（メタデータ） (2021-03-18T02:12:48Z) - 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) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳（メタデータ） (2020-05-04T13:24:00Z) - 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。
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。