論文の概要: Sensing to Intelligence: Principles for Neuromorphic Circuits and Systems
- arxiv url: http://arxiv.org/abs/2609.22838v1
- Date: Sat, 19 Sep 2026 07:15:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:19:39.213422
- Title: Sensing to Intelligence: Principles for Neuromorphic Circuits and Systems
- Title（参考訳）: インテリジェンスに対する感覚:ニューロモルフィック回路とシステムの原理
- Abstract要約: 我々は、ニューロモルフィック工学は生物学的成分に類似せず、特定の装置、信号表現、または基質によっても定義されるべきでないと論じている。
そのポテンシャルは、生物学的システムの計算原理を特定し、それらを人工機械の組織と力学に翻訳することにある。
ニューロモルフィックエンジニアリングがより広範な展開に向かって進むにつれ、この視点は、マシンが神経系とどの程度近いかという中心的な疑問から、どのような計算が可能かへとシフトする。
- 参考スコア（独自算出の注目度）: 2.6212127510234797
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Neuromorphic engineering began with the idea that the physical behavior of a system could itself be used for computation, taking inspiration from the way nervous systems sense, adapt, and evolve in time. The field has since expanded far beyond its early analog circuits to include event-based sensors, spiking processors, emerging memory devices, mixed-signal systems, and large-scale neural accelerators. With this expansion, however, the meaning of neuromorphic has become increasingly broad. In this Perspective, we argue that neuromorphic engineering should be defined neither by resemblance to biological components nor by any particular device, signal representation, or substrate. Its potential lies in identifying computational principles in biological systems and translating them into the organization and dynamics of artificial machines. A system is truly neuromorphic when the invoked biological or physical principle plays a causal, design-relevant role in how information is represented, how state evolves, or what capability the complete system achieves. We develop this view across sensing, collective computation, memory, learning, and interaction. Adaptation, nonlinear dynamics, attractor structure, variability, and closed-loop action illustrate how computation can be embedded in a machine's evolving physical state. From these examples, we identify a set of design principles for neuromorphic systems. As neuromorphic engineering moves toward wider deployment, this perspective shifts the central question from how closely machines resemble nervous systems to what computation becomes possible when their principles are understood and deliberately translated into new machines.
- Abstract（参考訳）: ニューロモルフィックエンジニアリングは、システムの物理的振る舞い自体が計算に使えるという考えから始まり、神経系が知覚し、適応し、時間の経過とともに進化する方法からインスピレーションを得た。
その後、フィールドは初期のアナログ回路を超えて、イベントベースのセンサー、スパイクプロセッサ、新しいメモリデバイス、混合信号システム、大規模ニューラルアクセラレータを含むように拡張された。
しかし、この拡張により、ニューロモルフィズムの意味はますます広まりつつある。
この観点では、ニューロモルフィック工学は生物学的成分に類似せず、特定の装置、信号表現、または基質でも定義されるべきではない。
そのポテンシャルは、生物学的システムの計算原理を特定し、それらを人工機械の組織と力学に翻訳することにある。
生物学的または物理的原理が、情報の表現方法、状態の進化方法、あるいは完全なシステムが達成する能力において因果的、設計関連的な役割を演じるとき、システムは真にニューロモーフィックである。
センサ,集合計算,メモリ,学習,インタラクションにまたがるこの視点を開拓する。
適応性、非線形ダイナミクス、アトラクター構造、可変性、クローズドループ動作は、計算を機械の進化する物理的状態に埋め込む方法を示している。
これらの例から、ニューロモルフィックシステムの設計原則の集合を同定する。
ニューロモルフィックエンジニアリングがより広範な展開に向かって進むにつれ、この視点は、マシンが神経系とどのように類似しているかという中心的な疑問から、その原理が理解され、故意に新しいマシンに変換されるときに、どのような計算が可能かへとシフトする。
関連論文リスト
- Beyond Silicon: Materials, Mechanisms, and Methods for Physical Neural Computing [5.969311023803652]
ニューラルネットワークの物理的実装は、現在ではシリコンハードウェアをはるかに超越している。
このサーベイは、神経プリミティブを基質特異的なメカニズムにマッピングすることで、フィールドを統一する。
考慮された次元にわたって単一の基板が支配的でないことを示す。
論文 参考訳（メタデータ） (2026-04-10T19:04:31Z) - Intelligence Foundation Model: A New Perspective to Approach Artificial General Intelligence [55.07411490538404]
我々は,人工知能基盤モデル(IFM)による人工知能(AGI)への新たな視点を提案する。
IFMは、多様な知的行動から直接学習することで、インテリジェンスの基礎となるメカニズムを取得することを目的としている。
論文 参考訳（メタデータ） (2025-11-13T09:28:41Z) - Mind Meets Space: Rethinking Agentic Spatial Intelligence from a Neuroscience-inspired Perspective [53.556348738917166]
エージェントAIの最近の進歩は、自律的なタスク実行と言語に基づく推論が可能なシステムにつながっている。
人間の空間知能は、統合された多感覚知覚、空間記憶、認知マップに根ざし、非構造環境における柔軟でコンテキスト対応の意思決定を可能にする。
論文 参考訳（メタデータ） (2025-09-11T05:23:22Z) - Bridging Brains and Machines: A Unified Frontier in Neuroscience, Artificial Intelligence, and Neuromorphic Systems [30.78088656917387]
この位置と調査論文は、神経科学、人工知能、ニューロモルフィックコンピューティングの出現する収束を識別する。
我々は,次世代AGIシステムの設計原則として,シナプスの可塑性,スパーススパイクに基づくコミュニケーション,マルチモーダルアソシエーションがいかに重要であるかを強調した。
我々は、シリコンの脳規模の効率を達成するために、フォン・ノイマンのボトルネックを破ることのできる新しい物理基板について論じる。
論文 参考訳（メタデータ） (2025-07-14T18:43:05Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Neuromechanical Autoencoders: Learning to Couple Elastic and Neural
Network Nonlinearity [15.47367187516723]
私たちは機械学習のアナログを開発しようとしています。
メカニカルインテリジェンス
複素非線形弾性体のモルフォロジーとaを共に学習する。
ディープ・ニューラル・ネットワークで制御できます
論文 参考訳（メタデータ） (2023-01-31T19:04:28Z) - Neuromorphic Computing and Sensing in Space [69.34740063574921]
神経型コンピュータチップは、生物学的脳の構造を模倣するように設計されている。
ニューロモルフィックデバイスの低消費電力とエネルギー効率に重点を置くことは、宇宙応用には最適である。
論文 参考訳（メタデータ） (2022-12-10T07:46:29Z) - 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) - Finding the Gap: Neuromorphic Motion Vision in Cluttered Environments [0.17812428873698402]
ハエの脳では、運動感受性ニューロンは近くの物体の存在を示す。
変化が動物によって感知されるときに起こる。
飛行昆虫の行動を模倣する神経型クローズドループシステムをモデル化する。
論文 参考訳（メタデータ） (2021-02-16T19:19:23Z)
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。