論文の概要: NeurOptimisation: The Spiking Way to Evolve
- arxiv url: http://arxiv.org/abs/2507.08320v1
- Date: Fri, 11 Jul 2025 05:18:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-14 18:03:54.248587
- Title: NeurOptimisation: The Spiking Way to Evolve
- Title（参考訳）: NeurOptimization:進化するスパイクの方法
- Authors: Jorge Mario Cruz-Duarte, El-Ghazali Talbi,
- Abstract要約: 本稿では,神経形態に基づくメタヒューリスティックパラダイムを分散NCシステムによって実現した,完全なスパイクに基づくフレームワークを提案する。
We implement this framework on Intel's Lava platform, targeting the Loihi 2 chip, and evaluate it on the noiseless BBOB suite up to 40 dimensions。
提案手法は, 構造的人口動態, 一貫した収束, ミリワットレベルの電力実現可能性を示す。
- 参考スコア（独自算出の注目度）: 0.3069335774032178
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The increasing energy footprint of artificial intelligence systems urges alternative computational models that are both efficient and scalable. Neuromorphic Computing (NC) addresses this challenge by empowering event-driven algorithms that operate with minimal power requirements through biologically inspired spiking dynamics. We present the NeurOptimiser, a fully spike-based optimisation framework that materialises the neuromorphic-based metaheuristic paradigm through a decentralised NC system. The proposed approach comprises a population of Neuromorphic Heuristic Units (NHUs), each combining spiking neuron dynamics with spike-triggered perturbation heuristics to evolve candidate solutions asynchronously. The NeurOptimiser's coordination arises through native spiking mechanisms that support activity propagation, local information sharing, and global state updates without external orchestration. We implement this framework on Intel's Lava platform, targeting the Loihi 2 chip, and evaluate it on the noiseless BBOB suite up to 40 dimensions. We deploy several NeurOptimisers using different configurations, mainly considering dynamic systems such as linear and Izhikevich models for spiking neural dynamics, and fixed and Differential Evolution mutation rules for spike-triggered heuristics. Although these configurations are implemented as a proof of concept, we document and outline further extensions and improvements to the framework implementation. Results show that the proposed approach exhibits structured population dynamics, consistent convergence, and milliwatt-level power feasibility. They also position spike-native MHs as a viable path toward real-time, low-energy, and decentralised optimisation.
- Abstract（参考訳）: 人工知能システムのエネルギーフットプリントの増大は、効率的かつスケーラブルな別の計算モデルを促す。
ニューロモルフィック・コンピューティング(NC)は、生物学的にインスパイアされたスパイキングダイナミクスを通じて、最小限の電力要求で動作するイベント駆動アルゴリズムを強化することで、この問題に対処する。
本稿では,ニューロモルフィックに基づくメタヒューリスティックパラダイムを分散NCシステムを通じて実現する,完全スパイクに基づく最適化フレームワークNeurOptimiserを提案する。
提案手法はニューロモルフィック・ヒューリスティック・ユニット (NHUs) の集団からなり, スパイクトリガー型摂動ヒューリスティックとスパイクトリガー型摂動ヒューリスティックを組み合わせ, 候補解を非同期に進化させる。
NeurOptimiserのコーディネーションは、アクティビティの伝搬、ローカル情報共有、外部オーケストレーションなしでのグローバル状態更新をサポートするネイティブスパイキングメカニズムを通じて生じる。
We implement this framework on Intel's Lava platform, targeting the Loihi 2 chip, and evaluate it on the noiseless BBOB suite up to 40 dimensions。
ニューラルネットワークをスパイクするための線形およびイジケビッチモデルや、スパイクトリガーされたヒューリスティックのための固定的および微分的進化的突然変異規則など、異なる構成を用いて複数のNeurOptimiserをデプロイする。
これらの構成は概念実証として実装されているが、フレームワークの実装のさらなる拡張と改善の概要を文書化し、概説する。
提案手法は, 構造的人口動態, 一貫した収束, ミリワットレベルの電力実現可能性を示す。
また、スパイクネイティブなMHを、リアルタイム、低エネルギー、分散最適化への実行可能なパスとして位置づけている。
関連論文リスト
- Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。
われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。
本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
論文 参考訳（メタデータ） (2025-07-15T17:57:48Z) - Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。
具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。
ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
論文 参考訳（メタデータ） (2025-03-24T03:19:45Z) - Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。
本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
論文 参考訳（メタデータ） (2025-03-20T12:28:08Z) - Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。
複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。
変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
論文 参考訳（メタデータ） (2024-12-05T09:41:33Z) - Advancing Spatio-Temporal Processing in Spiking Neural Networks through Adaptation [6.233189707488025]
ニューロモルフィックハードウェア上のニューラルネットワークは、非喫煙者よりも消費電力の少ないオーダーを約束する。
このようなシステム上でのスパイクベースの計算のための標準的なニューロンモデルは、長い間、統合と火災(LIF)ニューロンであった。
いわゆるアダプティブLIFニューロンの根源はよく分かっていない。
論文 参考訳（メタデータ） (2024-08-14T12:49:58Z) - An Attempt to Devise a Pairwise Ising-Type Maximum Entropy Model Integrated Cost Function for Optimizing SNN Deployment [0.0]
スパイクニューラルネットワーク(SNN)は、生物学的ニューロンのスパイク動作をエミュレートし、通常、分散メモリニューロモルフィックハードウェアにデプロイされる。
We model SNN dynamics using a Ising-type pairwise interaction framework, bridging micro neuron interaction with macroscopic network behavior。
我々は、sPyNNakerニューロモルフィックプラットフォーム上に配置された2つのSNNに対するアプローチを評価した。
論文 参考訳（メタデータ） (2024-07-09T16:33:43Z) - ON-OFF Neuromorphic ISING Machines using Fowler-Nordheim Annealers [4.429465736433621]
本稿では,Ising問題の基底状態への収束を確保するために設計されたニューロモルフィックアーキテクチャであるNeuroSAを紹介する。
複数回の実行で、NeuroSAは一貫して最先端の結果(99%)に集中するソリューションを生成したり、Max Independent Setベンチマークの最先端ソリューションを上回ります。
実例として,SpiNNaker2プラットフォーム上でのNeuroSAの実装結果を紹介する。
論文 参考訳（メタデータ） (2024-06-07T19:18:09Z) - Hallmarks of Optimization Trajectories in Neural Networks: Directional Exploration and Redundancy [75.15685966213832]
最適化トラジェクトリのリッチな方向構造をポイントワイズパラメータで解析する。
トレーニング中のスカラーバッチノルムパラメータは,ネットワーク全体のトレーニング性能と一致していることを示す。
論文 参考訳（メタデータ） (2024-03-12T07:32:47Z) - SpikingJelly: An open-source machine learning infrastructure platform
for spike-based intelligence [51.6943465041708]
スパイキングニューラルネットワーク(SNN)は、高エネルギー効率のニューロモルフィックチップに脳にインスパイアされたインテリジェンスを実現することを目的としている。
我々は、ニューロモルフィックデータセットの事前処理、深層SNNの構築、パラメータの最適化、およびニューロモルフィックチップへのSNNのデプロイのためのフルスタックツールキットをコントリビュートする。
論文 参考訳（メタデータ） (2023-10-25T13:15:17Z) - Astrocyte-Integrated Dynamic Function Exchange in Spiking Neural
Networks [0.0]
本稿では,スパイキングニューラルネットワーク(SNN)の堅牢性と計算効率を向上させるための革新的な手法を提案する。
提案手法はヒト脳に広く分布するグリア細胞であるアストロサイトをSNNに統合し、アストロサイトを増強したネットワークを形成する。
特に、アストロサイトを拡張したSNNは、ほぼゼロのレイテンシと理論上無限のスループットを示し、計算効率が極めて高いことを示唆している。
論文 参考訳（メタデータ） (2023-09-15T08:02:29Z) - Evolving Connectivity for Recurrent Spiking Neural Networks [8.80300633999542]
リカレントニューラルネットワーク(RSNN)は、人工知能の進歩に大きな可能性を秘めている。
本稿では、RSNNをトレーニングするための推論のみの手法である、進化的接続性(EC)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-28T07:08:25Z) - Dynamics with autoregressive neural quantum states: application to
critical quench dynamics [41.94295877935867]
本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。
二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
論文 参考訳（メタデータ） (2022-09-07T15:50:00Z)
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。