論文の概要: Synaptic Scaling and Optimal Bias Adjustments for Power Reduction in
Neuromorphic Systems
- arxiv url: http://arxiv.org/abs/2306.07416v1
- Date: Mon, 12 Jun 2023 20:47:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-14 15:48:38.322661
- Title: Synaptic Scaling and Optimal Bias Adjustments for Power Reduction in
Neuromorphic Systems
- Title(参考訳): ニューロモルフィックシステムにおける電力削減のためのシナプススケーリングと最適バイアス調整
- Authors: Cory Merkel
- Abstract要約: 最近の動物実験では、生物の脳は食物不足時に低出力モードに入ることが示されている。
本稿では, ニューロモルフィック系に類似の機構を適用する可能性について検討する。
数理モデルとシミュレーションを通して、シナプス重みの注意的なスケーリングは消費電力を大幅に減少させることを示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent animal studies have shown that biological brains can enter a low power
mode in times of food scarcity. This paper explores the possibility of applying
similar mechanisms to a broad class of neuromorphic systems where power
consumption is strongly dependent on the magnitude of synaptic weights. In
particular, we show through mathematical models and simulations that careful
scaling of synaptic weights can significantly reduce power consumption (by over
80\% in some of the cases tested) while having a relatively small impact on
accuracy. These results uncover an exciting opportunity to design neuromorphic
systems for edge AI applications, where power consumption can be dynamically
adjusted based on energy availability and performance requirements.
- Abstract(参考訳): 近年の動物実験では、食物不足時に生物学的な脳が低電力モードに入ることが示されている。
本稿では,エネルギー消費がシナプス重みの大きさに大きく依存する幅広い神経形態システムに対して,同様のメカニズムを適用する可能性について検討する。
特に,数理モデルとシミュレーションを用いて,シナプス重みの注意的なスケーリングは,精度に比較的小さな影響を伴いながら,消費電力(試験例では80%以上)を大幅に削減できることを示した。
これらの結果は、エネルギー可用性と性能要求に基づいて消費電力を動的に調整できるエッジAIアプリケーションのためのニューロモルフィックシステムを設計するエキサイティングな機会を明らかにする。
関連論文リスト
- 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) - Asynchronous Bioplausible Neuron for Spiking Neural Networks for
Event-Based Vision [1.9249287163937974]
Spiking Neural Networks (SNN) は、生物学的にインスパイアされたコンピュータビジョンのアプローチを提供する。
ABN(Asynchronous Bioplausible Neuron)は、入力信号の変動を自動的に調整する動的スパイク発火機構である。
様々なデータセットの包括的評価は、画像分類とセグメンテーションにおけるABNの強化された性能を示す。
論文 参考訳(メタデータ) (2023-11-20T15:45:16Z) - On the Trade-off Between Efficiency and Precision of Neural Abstraction [62.046646433536104]
ニューラル抽象化は、最近、複雑な非線形力学モデルの形式近似として導入されている。
我々は形式的帰納的合成法を用いて、これらのセマンティクスを用いた動的モデルをもたらすニューラル抽象化を生成する。
論文 参考訳(メタデータ) (2023-07-28T13:22:32Z) - 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) - An accurate and flexible analog emulation of AdEx neuron dynamics in
silicon [0.0]
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。
論文 参考訳(メタデータ) (2022-09-19T18:08:23Z) - An Adiabatic Capacitive Artificial Neuron with RRAM-based Threshold
Detection for Energy-Efficient Neuromorphic Computing [62.997667081978825]
神経細胞の体細胞膜電位を誘導するために, 断熱性シナプスコンデンサを特徴とする人工ニューロンを提案する。
最初の4-bit adiabaticacacitive neuron proof-of-conceptの例では、90%のシナプスエネルギーが節約された。
論文 参考訳(メタデータ) (2022-02-02T17:12:22Z) - Increasing Liquid State Machine Performance with Edge-of-Chaos Dynamics
Organized by Astrocyte-modulated Plasticity [0.0]
液体状態機械(LSM)は勾配のバックプロパゲーションなしで内部重量を調整する。
近年の知見は、アストロサイトがシナプスの可塑性と脳のダイナミクスを調節していることを示唆している。
本稿では, 自己組織的近接臨界力学を用いて, 性能の低いニューロン-アストロサイト液状状態機械 (NALSM) を提案する。
論文 参考訳(メタデータ) (2021-10-26T23:04:40Z) - Evolving spiking neuron cellular automata and networks to emulate in
vitro neuronal activity [0.0]
我々は生体内における生体ニューロンの行動パターンをエミュレートするスパイキング神経系を生産する。
我々のモデルは、ネットワーク全体の同期レベルを生成できた。
トップパフォーマンスモデルのゲノムは、生成した活動の複雑さを決定する上で、モデル内の接続の興奮性と密度が重要な役割を果たすことを示している。
論文 参考訳(メタデータ) (2021-10-15T17:55:04Z) - 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) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳(メタデータ) (2021-04-22T04:01:32Z)
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。