論文の概要: A Quarter of a Century of Neuromorphic Architectures on FPGAs -- an Overview

• arxiv url: http://arxiv.org/abs/2502.20415v3
• Date: Wed, 23 Apr 2025 12:51:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-24 20:25:50.770799
• Title: A Quarter of a Century of Neuromorphic Architectures on FPGAs -- an Overview
• Title（参考訳）: FPGAにおけるニューロモルフィックアーキテクチャの1世紀 - 概観
• Authors: Wiktor J. Szczerek, Artur Podobas,
• Abstract要約: ニューロモルフィックコンピューティングはコンピュータ科学の新しい分野であり、生物学的脳の計算と記憶の原理を用いて情報を処理する新しい方法を作成する。 FPGA(Field Programmable Gate Arrays)は、ハードウェアニューロモルフィックアーキテクチャ(NMA)を簡単に設計できる固有の柔軟性のため、しばしば選択される。 本稿では,FPGA上に実装されたディジタルNMAの概要について述べる。
• 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: Neuromorphic computing is a relatively new discipline of computer science, where the principles of biological brain's computation and memory are used to create a new way of processing information, based on networks of spiking neurons. Those networks can be implemented as both analog and digital implementations, where for the latter, the Field Programmable Gate Arrays (FPGAs) are a frequent choice, due to their inherent flexibility, allowing the researchers to easily design hardware neuromorphic architecture (NMAs). Moreover, digital NMAs show good promise in simulating various spiking neural networks because of their inherent accuracy and resilience to noise, as opposed to analog implementations. This paper presents an overview of digital NMAs implemented on FPGAs, with a goal of providing useful references to various architectural design choices to the researchers interested in digital neuromorphic systems. We present a taxonomy of NMAs that highlights groups of distinct architectural features, their advantages and disadvantages and identify trends and predictions for the future of those architectures.
• Abstract（参考訳）: 神経形コンピューティングはコンピュータ科学の比較的新しい分野であり、生物学的脳の計算と記憶の原理を用いて、スパイキングニューロンのネットワークに基づいて情報を処理する新しい方法を作成する。 これらのネットワークはアナログとデジタルの両方の実装として実装できるが、後者の場合、FPGA(Field Programmable Gate Arrays)はその固有の柔軟性のため、研究者はハードウェアニューロモルフィックアーキテクチャ(NMA)を簡単に設計できるため、しばしば選択される。 さらに、デジタルNMAは、アナログ実装とは対照的に、固有の精度とノイズに対するレジリエンスのため、様々なスパイクニューラルネットワークをシミュレートする上で、優れた可能性を示している。 本稿では,FPGA上に実装されたディジタルNMAの概要を述べるとともに,デジタルニューロモルフィックシステムに関心のある研究者に対して,様々なアーキテクチャ設計選択への有用な参照を提供することを目的とする。 我々は、異なるアーキテクチャの特徴、その利点と欠点の群を強調し、これらのアーキテクチャの将来に関するトレンドと予測を特定するNMAの分類について述べる。

関連論文リスト

• Graph Foundation Models for Recommendation: A Comprehensive Survey [55.70529188101446]
  大規模言語モデル(LLM)は自然言語を処理し、理解するために設計されており、どちらも非常に効果的で広く採用されている。 最近の研究はグラフ基礎モデル(GFM)に焦点を当てている。 GFM は GNN と LLM の強みを統合し,複雑な RS 問題をより効率的にモデル化する。
  論文  参考訳（メタデータ） (2025-02-12T12:13:51Z)
• 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ソフトウェアスパイクニューラルネットワークシミュレータである。 得られた結果が,ソフトウェアでトレーニングされたスパイクニューラルネットワークの動作を,かつてハードウェアにデプロイされた場合の信頼性の高い推定方法を示す。
  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)
• GPU-RANC: A CUDA Accelerated Simulation Framework for Neuromorphic Architectures [1.3401966602181168]
  ニューロモーフィックコンピューティングのための再構成可能なアーキテクチャ(RANC)のGPUによる実装について紹介する。 512個のニューロモルフィックコアMNIST推論アプリケーションに基づくRANCシミュレータのシリアルバージョンと比較して,最大780倍の高速化を示した。
  論文  参考訳（メタデータ） (2024-04-24T21:08:21Z)
• 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)
• Harnessing FPGA Technology for Enhanced Biomedical Computation [0.0]
  この研究は、CNN、Recurrent Neural Networks (RNN)、Long Short-Term Memory Networks (LSTMs)、Deep Belief Networks (DBNs)のような洗練されたニューラルネットワークフレームワークを掘り下げる。 レイテンシやスループットなどの性能指標を評価することにより,高度なバイオメディカルコンピューティングにおけるFPGAの有効性を示す。
  論文  参考訳（メタデータ） (2023-11-21T08:51:58Z)
• Equivariant Matrix Function Neural Networks [1.8717045355288808]
  解析行列同変関数を通じて非局所的相互作用をパラメータ化する新しいアーキテクチャであるマトリックス関数ニューラルネットワーク(MFNs)を導入する。 MFNは量子系の複雑な非局所的な相互作用を捉えることができ、新しい最先端の力場への道を歩むことができる。
  論文  参考訳（メタデータ） (2023-10-16T14:17:00Z)
• A Survey of Spiking Neural Network Accelerator on FPGA [0.0]
  我々は最近広く使われているスパイキングニューロンモデル、ネットワーク構造、信号符号化フォーマットを収集し、FPGAベースのSNN実装のための関連するハードウェア設計スキームを列挙した。 そこで本研究では,FPGA上でSNNを実装する上でのアクセラレーションの可能性について論じる。
  論文  参考訳（メタデータ） (2023-07-08T06:02:12Z)
• NeuroBench: A Framework for Benchmarking Neuromorphic Computing Algorithms and Systems [50.076028127394366]
  ニューロベンチ(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、業界や学界にまたがる研究者のオープンなコミュニティによる共同開発である。
  論文  参考訳（メタデータ） (2023-04-10T15:12:09Z)
• Composing Task Knowledge with Modular Successor Feature Approximators [60.431769158952626]
  本稿では,新しいニューラルネットワークアーキテクチャ "Modular Successor Feature Approximator" (MSFA) を提案する。 MSFAは、SFやモジュールアーキテクチャを学ぶためのベースラインアーキテクチャと比較して、より一般化することができる。
  論文  参考訳（メタデータ） (2023-01-28T23:04:07Z)
• A Compositional Approach to Creating Architecture Frameworks with an Application to Distributed AI Systems [16.690434072032176]
  構成的思考が複雑なシステムのためのアーキテクチャフレームワークの作成と管理のルールをいかに提供できるかを示す。 論文の目的は、AIシステム特有の視点やアーキテクチャモデルを提供することではなく、既存の、または新しく作成された視点で一貫したフレームワークを構築する方法についてのガイドラインを提供することである。
  論文  参考訳（メタデータ） (2022-12-27T18:05:02Z)
• 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)
• 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)
• NeuroXplorer 1.0: An Extensible Framework for Architectural Exploration with Spiking Neural Networks [3.9121275263540087]
  本稿では、ニューロモルフィックアーキテクチャをモデル化するための一般化テンプレートに基づくフレームワークであるNeuroXplorerを提案する。 NeuroXplorerは、低レベルのサイクル精度アーキテクチャシミュレーションと、データフローの抽象化による高レベルの解析の両方を実行することができる。 我々は,多くの最先端機械学習モデルを用いたケーススタディを通じて,NeuroXplorerのアーキテクチャ探索能力を実証する。
  論文  参考訳（メタデータ） (2021-05-04T23:31:11Z)
• 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)
• RANC: Reconfigurable Architecture for Neuromorphic Computing [1.1534748916340396]
  本稿では、ニューロモルフィックコンピューティングのための再構成可能なアーキテクチャRANCを提案する。 RANCはC++シミュレーションとFPGAエミュレーションによるハードウェアによるニューロモルフィックアーキテクチャの迅速な実験を可能にする。 我々は,IBMのTrueNorthの挙動を再現する能力を示すことで,RANCエコシステムの有用性を示す。 259Kの異なる神経細胞と73.3Mの異なるシナプスをエミュレートする神経型アーキテクチャを実証する。
  論文  参考訳（メタデータ） (2020-11-01T20:29:52Z)
• Benchmarking Graph Neural Networks [75.42159546060509]
  グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。 成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。 GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
  論文  参考訳（メタデータ） (2020-03-02T15:58:46Z)
• Is my Neural Network Neuromorphic? Taxonomy, Recent Trends and Future Directions in Neuromorphic Engineering [2.179313476241343]
  明確なコンセンサスはありませんが、それぞれのシステムには以下の機能があります。 このようなベンチマークの基準をすべて満たす潜在的なタスクとして、脳と機械のインターフェースが示される。
  論文  参考訳（メタデータ） (2020-02-27T07:10:23Z)

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。