論文の概要: NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems

• arxiv url: http://arxiv.org/abs/2304.04640v3
• Date: Wed, 17 Jan 2024 20:40:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-19 20:57:59.852137
• Title: NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems
• Title（参考訳）: neurobench:ニューロモーフィックコンピューティングアルゴリズムとシステムをベンチマークするためのフレームワーク
• Authors: Jason Yik, Korneel Van den Berghe, Douwe den Blanken, Younes Bouhadjar, Maxime Fabre, Paul Hueber, Denis Kleyko, Noah Pacik-Nelson, Pao-Sheng Vincent Sun, Guangzhi Tang, Shenqi Wang, Biyan Zhou, Soikat Hasan Ahmed, George Vathakkattil Joseph, Benedetto Leto, Aurora Micheli, Anurag Kumar Mishra, Gregor Lenz, Tao Sun, Zergham Ahmed, Mahmoud Akl, Brian Anderson, Andreas G. Andreou, Chiara Bartolozzi, Arindam Basu, Petrut Bogdan, Sander Bohte, Sonia Buckley, Gert Cauwenberghs, Elisabetta Chicca, Federico Corradi, Guido de Croon, Andreea Danielescu, Anurag Daram, Mike Davies, Yigit Demirag, Jason Eshraghian, Tobias Fischer, Jeremy Forest, Vittorio Fra, Steve Furber, P. Michael Furlong, William Gilpin, Aditya Gilra, Hector A. Gonzalez, Giacomo Indiveri, Siddharth Joshi, Vedant Karia, Lyes Khacef, James C. Knight, Laura Kriener, Rajkumar Kubendran, Dhireesha Kudithipudi, Yao-Hong Liu, Shih-Chii Liu, Haoyuan Ma, Rajit Manohar, Josep Maria Margarit-Taul\'e, Christian Mayr, Konstantinos Michmizos, Dylan Muir, Emre Neftci, Thomas Nowotny, Fabrizio Ottati, Ayca Ozcelikkale, Priyadarshini Panda, Jongkil Park, Melika Payvand, Christian Pehle, Mihai A. Petrovici, Alessandro Pierro, Christoph Posch, Alpha Renner, Yulia Sandamirskaya, Clemens JS Schaefer, Andr\'e van Schaik, Johannes Schemmel, Samuel Schmidgall, Catherine Schuman, Jae-sun Seo, Sadique Sheik, Sumit Bam Shrestha, Manolis Sifalakis, Amos Sironi, Matthew Stewart, Kenneth Stewart, Terrence C. Stewart, Philipp Stratmann, Jonathan Timcheck, Nergis T\"omen, Gianvito Urgese, Marian Verhelst, Craig M. Vineyard, Bernhard Vogginger, Amirreza Yousefzadeh, Fatima Tuz Zohora, Charlotte Frenkel, Vijay Janapa Reddi
• Abstract要約: 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ベンチマークフレームワークである。 NeuroBenchは、業界とアカデミックの50以上の機関で100人近い共著者からなるオープンコミュニティから共同で設計された取り組みである。
• 参考スコア（独自算出の注目度）: 51.8066436083197
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neuromorphic computing shows promise for advancing computing efficiency and capabilities of AI applications using brain-inspired principles. However, the neuromorphic research field currently lacks standardized benchmarks, making it difficult to accurately measure technological advancements, compare performance with conventional methods, and identify promising future research directions. Prior neuromorphic computing benchmark efforts have not seen widespread adoption due to a lack of inclusive, actionable, and iterative benchmark design and guidelines. To address these shortcomings, we present NeuroBench: a benchmark framework for neuromorphic computing algorithms and systems. NeuroBench is a collaboratively-designed effort from an open community of nearly 100 co-authors across over 50 institutions in industry and academia, aiming to provide a representative structure for standardizing the evaluation of neuromorphic approaches. The NeuroBench framework introduces a common set of tools and systematic methodology for inclusive benchmark measurement, delivering an objective reference framework for quantifying neuromorphic approaches in both hardware-independent (algorithm track) and hardware-dependent (system track) settings. In this article, we present initial performance baselines across various model architectures on the algorithm track and outline the system track benchmark tasks and guidelines. NeuroBench is intended to continually expand its benchmarks and features to foster and track the progress made by the research community.
• Abstract（参考訳）: ニューロモルフィックコンピューティングは、脳に触発された原則を用いたaiアプリケーションのコンピューティング効率と能力の進歩を約束している。 しかし、現在、神経形研究分野は標準化されたベンチマークを欠いているため、技術的進歩を正確に測定し、従来の手法と性能を比較し、将来有望な研究方向性を特定することは困難である。 従来のニューロモーフィックコンピューティングベンチマークの取り組みは、包括的で実行可能で反復的なベンチマーク設計とガイドラインが欠如しているため、広く採用されていない。 これらの欠点に対処するため、ニューロベンチ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、業界や学界の50以上の機関で100人近い共著者からなるオープンコミュニティから共同で設計された取り組みであり、ニューロモルフィックアプローチの評価を標準化するための代表的構造を提供することを目的としている。 NeuroBenchフレームワークは、包括的ベンチマーク測定のための共通のツールセットと体系的な方法論を導入し、ハードウェア非依存(アルゴリズムトラック)とハードウェア依存(システムトラック)の両方の設定において、ニューロモルフィックアプローチを定量化する客観的参照フレームワークを提供する。 本稿では,様々なモデルアーキテクチャを対象とした初期性能ベースラインをアルゴリズムトラック上で提示し,システムトラックベンチマークタスクとガイドラインの概要を示す。 neurobenchは、ベンチマークと機能を継続的に拡張し、研究コミュニティの進捗を促進および追跡することを目的としている。

関連論文リスト

• Genetic Motifs as a Blueprint for Mismatch-Tolerant Neuromorphic Computing [1.8292454465322363]
  SNNの混合信号実装はエッジコンピューティングアプリケーションに有望なソリューションを提供する。 これらのニューロモルフィックプロセッサのアナログ回路におけるデバイスミスマッチは、堅牢な処理の展開に重大な課題をもたらす。 この問題に対処するために,生物開発に触発された新しいアーキテクチャソリューションを導入する。
  論文  参考訳（メタデータ） (2024-10-25T09:04:50Z)
• GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
  我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。 本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
  論文  参考訳（メタデータ） (2024-06-01T08:01:05Z)
• NeuroIDBench: An Open-Source Benchmark Framework for the Standardization of Methodology in Brainwave-based Authentication Research [4.9286860173040825]
  脳活動に基づく生体認証システムは、パスワードに代わるものや、現在の認証技術を補完するものとして提案されている。 NeuroIDBenchは、脳波ベースの認証モデルをベンチマークするための柔軟なオープンソースツールである。
  論文  参考訳（メタデータ） (2024-02-13T18:38:18Z)
• Reachability Analysis of a General Class of Neural Ordinary Differential Equations [7.774796410415387]
  連続的なディープラーニングモデル(Neural Ordinary Differential Equations (Neural ODEs)と呼ばれる)は、ここ数年でかなりの注目を集めている。 その衝撃にもかかわらず、これらのシステムには公式な分析技術が欠如している。 我々は,それらの行動の形式的分析を可能にする,新しい到達可能性フレームワークを導入する。
  論文  参考訳（メタデータ） (2022-07-13T22:05:52Z)
• 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)
• An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
  我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。 本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
  論文  参考訳（メタデータ） (2021-08-09T17:39:09Z)
• 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)
• Complexity-based speciation and genotype representation for neuroevolution [81.21462458089142]
  本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。 提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
  論文  参考訳（メタデータ） (2020-10-11T06:26:56Z)
• 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)

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。