Нейроморфная инженерия

Из Википедии, бесплатной энциклопедии

Нейроморфные вычисления — это подход к вычислениям, основанный на структуре и функциях человеческого мозга. [1] [2] Нейроморфный компьютер/чип — это любое устройство, которое использует физические искусственные нейроны для выполнения вычислений. [3] [4] В последнее время термин «нейроморфный» стал использоваться для описания аналоговых , цифровых , смешанных аналогово-цифровых СБИС и программных систем, реализующих модели нейронных систем (для восприятия , управления движением или мультисенсорной интеграции ). Реализация нейроморфных вычислений на аппаратном уровне может быть реализована мемристорами на основе оксидов , [5] спинтронная память, пороговые переключатели, транзисторы , [6] [4] среди других. Обучение нейроморфных систем пиковых нейронных сетей на основе программного обеспечения может быть достигнуто с использованием обратного распространения ошибки, например, с использованием фреймворков на основе Python , таких как snnTorch, [7] или используя канонические правила обучения из литературы по биологическому обучению, например, с помощью BindsNet. [8]

Ключевым аспектом нейроморфной инженерии является понимание того, как морфология отдельных нейронов, цепей, приложений и общей архитектуры создает желаемые вычисления, влияет на представление информации , влияет на устойчивость к повреждениям, включает обучение и развитие, адаптируется к локальным изменениям (пластичность), и способствует эволюционным изменениям.

Нейроморфная инженерия — междисциплинарный предмет, вдохновленный биологией , физикой , математикой , информатикой и электронной инженерией. [4] для разработки искусственных нейронных систем , таких как системы зрения , системы «голова-глаз», слуховые процессоры и автономные роботы, чья физическая архитектура и принципы проектирования основаны на принципах биологических нервных систем. [9] Одно из первых применений нейроморфной инженерии было предложено Карвером Мидом. [10] в конце 1980-х годов.

Неврологическое вдохновение ​ ​

Нейроморфная инженерия на данный момент выделяется тем, что она черпает вдохновение из того, что мы знаем о структуре и работе мозга . Нейроморфная инженерия переводит все, что мы знаем о функциях мозга, в компьютерные системы. Работа в основном сосредоточена на воспроизведении аналоговой природы биологических вычислений и роли нейронов в познании .

Биологические процессы нейронов и их синапсов чрезвычайно сложны, и поэтому их очень сложно моделировать искусственно. Ключевой особенностью биологического мозга является то, что вся обработка данных в нейронах использует аналоговые химические сигналы . Это затрудняет копирование мозга в компьютерах, поскольку нынешнее поколение компьютеров полностью цифровое. Однако характеристики этих частей можно абстрагировать до математических функций, которые точно отражают суть операций нейрона.

Цель нейроморфных вычислений не в том, чтобы идеально имитировать мозг и все его функции, а в том, чтобы извлечь то, что известно о его структуре и операциях, для использования в практической вычислительной системе. Ни одна нейроморфная система не будет претендовать на воспроизведение каждого элемента нейронов и синапсов и не будет пытаться воспроизвести каждый элемент нейронов и синапсов, но все они придерживаются идеи, что вычисления сильно распределены по ряду небольших вычислительных элементов, аналогичных нейрону. Хотя это мнение является стандартным, исследователи преследуют эту цель разными методами. [11]

Примеры [ править ]

Еще в 2006 году исследователи из Технологического института Джорджии опубликовали программируемую нейронную матрицу. [12] Этот чип был первым в линейке все более сложных массивов транзисторов с плавающим затвором, который позволял программировать заряд на затворах МОП-транзисторов для моделирования канально-ионных характеристик нейронов в мозге, и был одним из первых случаев создания кремниевой программируемой матрицы. нейронов.

В ноябре 2011 года группа исследователей Массачусетского технологического института создала компьютерный чип, который имитирует аналоговую ионную связь в синапсе между двумя нейронами, используя 400 транзисторов и стандартные КМОП . технологии производства [13] [14]

В июне 2012 года спинтроники исследователи из Университета Пердью представили доклад о разработке нейроморфного чипа с использованием латеральных спиновых клапанов и мемристоров . Они утверждают, что эта архитектура работает аналогично нейронам и поэтому может использоваться для тестирования методов воспроизведения обработки данных мозгом. Кроме того, эти чипы значительно более энергоэффективны, чем обычные. [15]

Исследования мемристоров Мотта в лабораториях HP показали, что, хотя они могут быть энергонезависимыми , летучее поведение, проявляющееся при температурах значительно ниже температуры фазового перехода, может быть использовано для изготовления нейристора . [16] биологически вдохновленное устройство, имитирующее поведение нейронов. [16] В сентябре 2013 года они представили модели и симуляции, показывающие, как импульсное поведение этих нейристоров можно использовать для формирования компонентов, необходимых для машины Тьюринга . [17]

Нейрогрид , созданный компанией Brains in Silicon в Стэнфордском университете . [18] является примером аппаратного обеспечения, разработанного с использованием принципов нейроморфной инженерии. Печатная плата состоит из 16 специально разработанных микросхем, называемых NeuroCores. Аналоговая схема каждого NeuroCore предназначена для эмуляции нейронных элементов для 65536 нейронов, что обеспечивает максимальную энергоэффективность. Эмулированные нейроны соединяются с помощью цифровых схем, предназначенных для максимизации пропускной способности. [19] [20]

Исследовательский проект, имеющий значение для нейроморфной инженерии, - это проект «Человеческий мозг», который пытается смоделировать полный человеческий мозг на суперкомпьютере с использованием биологических данных. В его состав входит группа исследователей в области нейробиологии, медицины и вычислительной техники. [21] Генри Маркрам , содиректор проекта, заявил, что проект предлагает создать основу для изучения и понимания мозга и его заболеваний, а также использовать эти знания для создания новых компьютерных технологий. Три основные цели проекта — лучше понять, как части мозга сочетаются и работают вместе, понять, как объективно диагностировать и лечить заболевания головного мозга, а также использовать знания о человеческом мозге для разработки нейроморфных компьютеров. Тот факт, что для моделирования полноценного человеческого мозга потребуется мощный суперкомпьютер, стимулирует нынешнее внимание к нейроморфным компьютерам. [22] выделила 1,3 миллиарда долларов На проект Еврокомиссия . [23]

Другие исследования, имеющие значение для нейроморфной инженерии, включают инициативу BRAIN. [24] и чип TrueNorth от IBM . [25] Нейроморфные устройства также были продемонстрированы с использованием нанокристаллов, нанопроволок и проводящих полимеров. [26] Также ведется разработка мемристивного устройства для квантовых нейроморфных архитектур. [27] В 2022 году исследователи из Массачусетского технологического института сообщили о разработке искусственных синапсов, вдохновленных мозгом , с использованием иона протона ( H +
), для «аналогового глубокого обучения ». [28] [29]

В октябре 2017 года Intel представила свой нейроморфный исследовательский чип под названием Loihi . Чип использует асинхронную импульсную нейронную сеть (SNN) для реализации адаптивных самомодифицирующихся мелкозернистых параллельных вычислений, управляемых событиями, которые используются для реализации обучения и вывода с высокой эффективностью. . [30] [31]

IMEC , бельгийский исследовательский центр наноэлектроники, продемонстрировал первый в мире самообучающийся нейроморфный чип. Чип, вдохновленный мозгом, основанный на технологии OxRAM, обладает способностью самообучения и, как было продемонстрировано, способен сочинять музыку. [32] IMEC выпустила 30-секундную мелодию, написанную прототипом. В чип последовательно загружались песни одного и того же размера и стиля. Песни представляли собой старые бельгийские и французские флейтовые менуэты, из которых чип выучил правила игры и затем применил их. [33]

Проект Blue Brain Project , возглавляемый Генри Маркрамом, направлен на создание биологически детальных цифровых реконструкций и симуляций мозга мыши. Проект Blue Brain создал in silico модели мозга грызунов, пытаясь воспроизвести как можно больше деталей его биологии. Моделирование на основе суперкомпьютера открывает новые перспективы в понимании структуры и функций мозга.

Европейский Союз профинансировал серию проектов в Гейдельбергском университете, которые привели к разработке BrainScaleS (многомасштабные вычисления в нейроморфных гибридных системах), гибридного аналогового нейроморфного суперкомпьютера, расположенного в Гейдельбергском университете, Германия. Он был разработан в рамках нейроморфной вычислительной платформы Human Brain Project и является дополнением суперкомпьютера SpiNNaker (основанного на цифровых технологиях). Архитектура, используемая в BrainScaleS, имитирует биологические нейроны и их связи на физическом уровне; Кроме того, поскольку компоненты изготовлены из кремния, эти модельные нейроны срабатывают в среднем 864 раза (24 часа реального времени равны 100 секундам в машинном моделировании), чем их биологические аналоги. [34]

В 2019 году Евросоюз профинансировал проект «Нейроморфные квантовые вычисления». [35] изучение использования нейроморфных вычислений для выполнения квантовых операций. Нейроморфные квантовые вычисления [36] (сокращенно «н.квантовые вычисления») — это нетрадиционный тип вычислений, который использует нейроморфные вычисления для выполнения квантовых операций. [37] [38] Было высказано предположение, что квантовые алгоритмы , являющиеся алгоритмами, работающими на реалистичной модели квантовых вычислений , могут вычисляться одинаково эффективно с нейроморфными квантовыми вычислениями. [39] [40] [41] [42] [43] И традиционные квантовые вычисления, и нейроморфные квантовые вычисления представляют собой основанные на физике нетрадиционные вычислительные подходы к вычислениям и не следуют архитектуре фон Неймана . Они оба создают систему (схему), которая представляет рассматриваемую физическую проблему, а затем используют соответствующие физические свойства системы для поиска «минимума». Нейроморфные квантовые вычисления и квантовые вычисления имеют схожие физические свойства во время вычислений. [43] [44]

В октябре 2021 года компания Brainchip объявила, что принимает заказы на комплекты для разработки процессоров Akida AI. [45] а в январе 2022 года компания принимала заказы на платы Akida AI Processor PCIe, [46] что делает его первым в мире коммерчески доступным нейроморфным процессором.

Нейромемристивные системы [ править ]

Нейромемристивные системы — это подкласс нейроморфных вычислительных систем, который фокусируется на использовании мемристоров для реализации нейропластичности . В то время как нейроморфная инженерия фокусируется на имитации биологического поведения, нейромемристивные системы фокусируются на абстракции. [47] Например, нейромемристивная система может заменить детали поведения кортикальной микросхемы абстрактной моделью нейронной сети. [48]

Существует несколько нейронных пороговых логических функций. [5] реализовано с помощью мемристоров, которые применяются в приложениях распознавания образов высокого уровня . Некоторые из недавно опубликованных приложений включают распознавание речи , [49] распознавание лица [50] и распознавание объектов . [51] Они также находят применение в замене традиционных цифровых логических вентилей. [52] [53]

Для (квази)идеальных пассивных мемристивных цепей эволюцию мемристивных воспоминаний можно записать в замкнутой форме ( уравнение Каравелли-Траверсы-Ди Вентры ): [54] [55]

как функция свойств физической мемристивной сети и внешних источников. Уравнение справедливо для случая оригинальной игрушечной модели Вильямса-Струкова, как и в случае идеальных мемристоров: . Однако гипотеза существования идеального мемристора дискуссионна. [56] В приведенном выше уравнении - это константа масштаба времени «забывания», обычно связанная с нестабильностью памяти, а - соотношение значений выключенного и включенного предельных сопротивлений мемристоров, - вектор источников цепи и является проектором на основные контуры схемы. Константа имеет размерность напряжения и связана со свойствами мемристора; его физическое происхождение — подвижность заряда в проводнике. Диагональная матрица и вектор и соответственно, вместо этого являются внутренним значением мемристоров со значениями от 0 до 1. Таким образом, это уравнение требует добавления дополнительных ограничений на значения памяти, чтобы быть надежным.

Недавно было показано, что приведенное выше уравнение демонстрирует туннельные явления и используется для изучения функций Ляпунова. [57] [55]

Нейроморфные сенсоры [ править ]

Концепцию нейроморфных систем можно распространить на датчики (а не только на вычисления). Примером применения этого метода для обнаружения света является ретиноморфный датчик или, при использовании в массиве, камера событий . Все пиксели событийной камеры индивидуально регистрируют изменения уровней яркости, что делает эти камеры сравнимыми с человеческим зрением по теоретическому энергопотреблению. [58] В 2022 году исследователи из Института исследований полимеров Макса Планка сообщили об органическом искусственном импульсном нейроне, который демонстрирует разнообразие сигналов биологических нейронов при работе в биологическом «мокром оборудовании», что позволяет in-situ . применять нейроморфное зондирование и биоинтерфейс [59] [60]

Военное применение ​ ​

Объединенный центр искусственного интеллекта , подразделение вооруженных сил США, — это центр, занимающийся закупками и внедрением программного обеспечения искусственного интеллекта и нейроморфного оборудования для боевого применения. Конкретные приложения включают интеллектуальные гарнитуры/очки и роботов. JAIC намерен в значительной степени полагаться на нейроморфную технологию для подключения «каждого датчика к каждому стрелку» в сети устройств с поддержкой нейроморфизма.

юридические соображения Этические и

Хотя междисциплинарная концепция нейроморфной инженерии относительно нова, к нейроморфным системам применимы многие из тех же этических соображений, что и к человекоподобным машинам и искусственному интеллекту в целом. Однако тот факт, что нейроморфные системы созданы для имитации человеческого мозга, порождает уникальные этические вопросы, связанные с их использованием.

Однако практические дебаты заключаются в том, что нейроморфное оборудование, а также искусственные «нейронные сети» представляют собой чрезвычайно упрощенные модели того, как мозг работает или обрабатывает информацию, с гораздо меньшей сложностью с точки зрения размера и функциональной технологии и гораздо более регулярной структурой с точки зрения возможность подключения . Сравнение нейроморфных чипов с мозгом — очень грубое сравнение, похожее на сравнение самолета с птицей только потому, что у них обоих есть крылья и хвост. Дело в том, что биологические нейронные когнитивные системы на много порядков более энергетически и вычислительно эффективны, чем современный искусственный интеллект, и нейроморфная инженерия является попыткой сократить этот разрыв, вдохновляясь механизмом мозга, как это делают многие инженеры. дизайн имеет биологические особенности .

Социальные проблемы ​ ​

Из-за общественного мнения на нейроморфную инженерию могут быть наложены значительные этические ограничения. [61] Специальный Евробарометр 382: Общественное отношение к роботам, опрос, проведенный Европейской комиссией, показал, что 60% граждан Европейского Союза хотят запретить роботов для ухода за детьми, пожилыми людьми или инвалидами. При этом 34% высказались за запрет роботов в образовании, 27% в здравоохранении и 20% в сфере отдыха. Европейская комиссия классифицирует эти территории как исключительно «человеческие». В докладе отмечается растущая обеспокоенность общественности по поводу роботов, которые способны имитировать или копировать функции человека. Нейроморфная инженерия по определению предназначена для воспроизведения функций человеческого мозга. [62]

Социальные проблемы, связанные с нейроморфной инженерией, вероятно, станут еще более глубокими в будущем. Европейская комиссия обнаружила, что граждане ЕС в возрасте от 15 до 24 лет с большей вероятностью будут думать о роботах как о человекоподобных (а не как о инструментах), чем о гражданах ЕС старше 55 лет. был определен как человекоподобный, 75% граждан ЕС в возрасте 15–24 лет заявили, что это соответствует их представлению о роботах, в то время как только 57% граждан ЕС старше 55 лет ответили таким же образом. Таким образом, человеческая природа нейроморфных систем может отнести их к категории роботов, которую многие граждане ЕС хотели бы видеть запрещенной в будущем. [62]

Личность [ править ]

Поскольку нейроморфные системы становятся все более продвинутыми, некоторые ученые [ ВОЗ? ] выступали за предоставление прав личности этим системам. Дэниел Лим, критик развития технологий в проекте Human Brain Project , целью которого является продвижение вычислений, основанных на мозге, утверждает, что прогресс в области нейроморфных вычислений может привести к машинному сознанию или личности. [63] Если к этим системам следует относиться как к людям , то многие задачи, которые люди выполняют с помощью нейроморфных систем, включая их уничтожение, могут быть морально недопустимыми, поскольку эти действия нарушили бы их автономию. [63]

Право собственности и имущественные права [ править ]

Вокруг прав собственности и искусственного интеллекта ведутся серьезные юридические дебаты. В деле Acohs Pty Ltd против Ucorp Pty Ltd судья Федерального суда Австралии Кристофер Джессап установил, что исходный код паспортов безопасности материалов не может быть защищен авторским правом , поскольку он был создан программным интерфейсом , а не автором-человеком. [64] Тот же вопрос может быть применим и к нейроморфным системам: если нейроморфная система успешно имитирует человеческий мозг и производит часть оригинальной работы, кто (если вообще кто-либо) сможет претендовать на право собственности на эту работу? [65]

См. также [ править ]

Ссылки [ править ]

  1. ^ Хэм, Донхи; Парк, Гонконг; Хван, Сону; Ким, Кинам (2021). «Нейроморфная электроника, основанная на копировании и вставке мозга» . Природная электроника . 4 (9): 635–644. дои : 10.1038/s41928-021-00646-1 . ISSN   2520-1131 . S2CID   240580331 .
  2. ^ ван де Бургт, Йори; Любберман, Юаут; Фуллер, Эллиот Дж.; Кин, Скотт Т.; Фариа, Грегорио К.; Агарвал, Сапан; Маринелла, Мэтью Дж.; Алек Талин, А.; Саллео, Альберто (апрель 2017 г.). «Энергонезависимое органическое электрохимическое устройство как низковольтный искусственный синапс для нейроморфных вычислений» . Природные материалы . 16 (4): 414–418. Бибкод : 2017NatMa..16..414В . дои : 10.1038/nmat4856 . ISSN   1476-4660 . ПМИД   28218920 .
  3. ^ Мид, Карвер (1990). «Нейроморфные электронные системы» (PDF) . Труды IEEE . 78 (10): 1629–1636. дои : 10.1109/5.58356 . S2CID   1169506 .
  4. ^ Перейти обратно: а б с Рами А. Альзахрани; Элис С. Паркер (июль 2020 г.). Нейроморфные схемы с нейронной модуляцией, улучшающие информационное содержание нейронной сигнализации . Международная конференция по нейроморфным системам 2020. стр. 1–8. дои : 10.1145/3407197.3407204 . S2CID   220794387 .
  5. ^ Перейти обратно: а б Маан, АК; Джаядеви, Д.А.; Джеймс, AP (1 января 2016 г.). «Обзор мемристивных пороговых логических схем». Транзакции IEEE в нейронных сетях и системах обучения . ПП (99): 1734–1746. arXiv : 1604.07121 . Бибкод : 2016arXiv160407121M . дои : 10.1109/TNNLS.2016.2547842 . ISSN   2162-237X . ПМИД   27164608 . S2CID   1798273 .
  6. ^ Чжоу, Ты; Раманатан, С. (1 августа 2015 г.). «Память Мотта и нейроморфные устройства» . Труды IEEE . 103 (8): 1289–1310. дои : 10.1109/JPROC.2015.2431914 . ISSN   0018-9219 . S2CID   11347598 .
  7. ^ Эшрагян, Джейсон К.; Уорд, Макс; Нефтчи, Эмре; Ван, Синьсинь; Ленц, Грегор; Двиведи, Гириш; Беннамун, Мохаммед; Чон, Ду Сок; Лу, Вэй Д. (1 октября 2021 г.). «Обучение пиковых нейронных сетей с использованием уроков глубокого обучения». arXiv : 2109.12894 [ cs.NE ].
  8. ^ «Хананель-Хазан/bindsnet: Моделирование пиковых нейронных сетей (SNN) с использованием PyTorch» . Гитхаб . 31 марта 2020 г.
  9. ^ Бодду, СК; Галлахер, Джей Си (2012). «Качественный анализ функциональной декомпозиции развитых нейроморфных контроллеров полета» . Прикладной вычислительный интеллект и мягкие вычисления . 2012 : 1–21. дои : 10.1155/2012/705483 .
  10. ^ Мид, Карвер А.; Маховальд, Массачусетс (1 января 1988 г.). «Кремниевая модель ранней обработки изображений» . Нейронные сети . 1 (1): 91–97. дои : 10.1016/0893-6080(88)90024-X . ISSN   0893-6080 .
  11. ^ Фербер, Стив (2016). «Крупномасштабные нейроморфные вычислительные системы» . Журнал нейронной инженерии . 13 (5): 1–15. Бибкод : 2016JNEng..13e1001F . дои : 10.1088/1741-2560/13/5/051001 . ПМИД   27529195 .
  12. ^ Фаркуар, Итан; Хаслер, Пол. (май 2006 г.). «Программируемая в полевых условиях нейронная матрица». 2006 Международный симпозиум IEEE по схемам и системам . стр. 4114–4117. дои : 10.1109/ISCAS.2006.1693534 . ISBN  978-0-7803-9389-9 . S2CID   206966013 .
  13. ^ «MIT создает «мозговой чип» » . Проверено 4 декабря 2012 г.
  14. ^ Пун, Чи-Санг; Чжоу, Куан (2011). «Нейроморфные кремниевые нейроны и крупномасштабные нейронные сети: проблемы и возможности» . Границы в неврологии . 5 : 108. дои : 10.3389/fnins.2011.00108 . ПМК   3181466 . ПМИД   21991244 .
  15. ^ Шарад, Мриганк; Августин, Чарльз; Панагопулос, Георгиос; Рой, Кошик (2012). «Предложение по нейроморфному оборудованию с использованием спиновых устройств». arXiv : 1206.3227 [ cond-mat.dis-nn ].
  16. ^ Перейти обратно: а б Пикетт, доктор медицины; Медейрос-Рибейро, Г.; Уильямс, Р.С. (2012). «Масштабируемый нейристор, построенный на мемристорах Мотта». Природные материалы . 12 (2): 114–7. Бибкод : 2013NatMa..12..114P . дои : 10.1038/nmat3510 . ПМИД   23241533 . S2CID   16271627 .
  17. ^ Мэтью Д. Пикетт и Р. Стэнли Уильямс (сентябрь 2013 г.). «Фазовые переходы обеспечивают универсальность вычислений в клеточных автоматах на основе нейристоров». Нанотехнологии . 24 (38). IOP Publishing Ltd. 384002. Бибкод : 2013Nanot..24L4002P . дои : 10.1088/0957-4484/24/38/384002 . ПМИД   23999059 . S2CID   9910142 .
  18. ^ Боахен, Квабена (24 апреля 2014 г.). «Нейрогрид: смешанная аналогово-цифровая многочиповая система для крупномасштабного нейронного моделирования». Труды IEEE . 102 (5): 699–716. дои : 10.1109/JPROC.2014.2313565 . S2CID   17176371 .
  19. ^ Уолдроп, М. Митчелл (2013). «Нейроэлектроника: Умные связи» . Природа . 503 (7474): 22–4. Бибкод : 2013Natur.503...22W . дои : 10.1038/503022a . ПМИД   24201264 .
  20. ^ Бенджамин, Бен Варки; Пейран Гао; Маккуинн, Эммет; Чоудхари, Сводеш; Чандрасекаран, Ананд Р.; Бюсса, Жан-Мари; Альварес-Икаса, Родриго; Артур, Джон В.; Меролла, Пол А.; Боахен, Квабена (2014). «Нейрогрид: смешанная аналогово-цифровая многочиповая система для крупномасштабного нейронного моделирования». Труды IEEE . 102 (5): 699–716. дои : 10.1109/JPROC.2014.2313565 . S2CID   17176371 .
  21. ^ «Заинтересованные организации» . Архивировано из оригинала 2 марта 2013 года . Проверено 22 февраля 2013 г.
  22. ^ «Проект человеческого мозга» . Проверено 22 февраля 2013 г.
  23. ^ «Проект человеческого мозга и вербовка новых кибервоинов» . 29 января 2013 года . Проверено 22 февраля 2013 г.
  24. ^ Нейроморфные вычисления: машина новой души , The Economist, 3 августа 2013 г.
  25. ^ Модха, Дхармендра (август 2014 г.). «Интегральная схема с миллионом импульсных нейронов с масштабируемой сетью связи и интерфейсом». Наука . 345 (6197): 668–673. Бибкод : 2014Sci...345..668M . дои : 10.1126/science.1254642 . ПМИД   25104385 . S2CID   12706847 .
  26. ^ Фэрфилд, Джессамин (1 марта 2017 г.). «Умные машины» (PDF) .
  27. ^ Испанский, Мишель; Моррис, Джошуа; Пьячентини, Симона; Антесбергер, Майкл; Масса, Франческо; Креспи, Андреа; Чеккарелли, Франческо; Оселламе, Роберто; Вальтер, Филип (апрель 2022 г.). «Экспериментальный фотонный квантовый мемристор». Фотоника природы . 16 (4): 318–323. arXiv : 2105.04867 . Бибкод : 2022NaPho..16..318S . дои : 10.1038/s41566-022-00973-5 . ISSN   1749-4893 . S2CID   234358015 .
    Новостная статья: «Первый «квантовый мемристор» призван соединить искусственный интеллект и квантовые вычисления» . СТАНДАРТ (на австрийском немецком языке) . Проверено 28 апреля 2022 г.
    Сводный отчет: «Искусственные нейроны становятся квантовыми благодаря фотонным цепям» . Венский университет . Проверено 19 апреля 2022 г.
  28. ^ « Искусственный синапс может заставить нейронные сети работать как мозг» . Новый учёный . Проверено 21 августа 2022 г.
  29. ^ Онен, Мурат; Эмонд, Николас; Ван, Баомин; Чжан, Дифей; Росс, Фрэнсис М.; Ли, Цзюй; Йылдыз, Бильге; дель Аламо, Хесус А. (29 июля 2022 г.). «Наносекундные протонные программируемые резисторы для аналогового глубокого обучения» (PDF) . Наука . 377 (6605): 539–543. Бибкод : 2022Sci...377..539O . дои : 10.1126/science.abp8064 . ISSN   0036-8075 . ПМИД   35901152 . S2CID   251159631 .
  30. ^ Дэвис, Майк; и другие. (16 января 2018 г.). «Loihi: нейроморфный многоядерный процессор со встроенным обучением». IEEE микро . 38 (1): 82–99. дои : 10.1109/MM.2018.112130359 . S2CID   3608458 .
  31. ^ Моррис, Джон. «Почему Intel создала нейроморфный чип» . ЗДНет . Проверено 17 августа 2018 г.
  32. ^ «Imec демонстрирует самообучающийся нейроморфный чип, который сочиняет музыку» . ИМЕК Интернешнл . Проверено 1 октября 2019 г.
  33. ^ Бурзак, Кэтрин (23 мая 2017 г.). «Нейроморфный чип, создающий музыку» . IEEE-спектр . Проверено 1 октября 2019 г.
  34. ^ «За пределами фон Неймана нейроморфные вычисления неуклонно развиваются» . HPCwire . 21 марта 2016 года . Проверено 8 октября 2021 г.
  35. ^ «Нейроморфные квантовые вычисления | Куроморфный проект | Информационный бюллетень | H2020» . КОРДИС | Европейская комиссия . дои : 10.3030/828826 . Проверено 18 марта 2024 г.
  36. ^ Пеле, Кристиан; Веттерих, Кристоф (30 марта 2021 г.), Нейроморфные квантовые вычисления , arXiv : 2005.01533
  37. ^ Веттерих, К. (1 ноября 2019 г.). «Квантовые вычисления с классическими битами» . Ядерная физика Б . 948 : 114776. arXiv : 1806.05960 . Бибкод : 2019NuPhB.94814776W . doi : 10.1016/j.nuclphysb.2019.114776 . ISSN   0550-3213 .
  38. ^ Пеле, Кристиан; Мейер, Карлхайнц; Оберталер, Маркус; Веттерих, Кристоф (24 октября 2018 г.), Эмуляция квантовых вычислений с помощью искусственных нейронных сетей , arXiv : 1810.10335
  39. ^ Карлео, Джузеппе; Тройер, Матиас (10 февраля 2017 г.). «Решение квантовой задачи многих тел с помощью искусственных нейронных сетей» . Наука . 355 (6325): 602–606. arXiv : 1606.02318 . Бибкод : 2017Sci...355..602C . дои : 10.1126/science.aag2302 . ISSN   0036-8075 . ПМИД   28183973 .
  40. ^ Торлаи, Джакомо; Маццола, Гульельмо; Карраскилья, Хуан; Тройер, Матиас; Мелько, Роджер; Карлео, Джузеппе (май 2018 г.). «Нейросетевая томография квантовых состояний» . Физика природы . 14 (5): 447–450. arXiv : 1703.05334 . Бибкод : 2018NatPh..14..447T . дои : 10.1038/s41567-018-0048-5 . ISSN   1745-2481 .
  41. ^ Шарир, Ор; Левин, Йоав; Вис, Ноам; Карлео, Джузеппе; Шашуа, Амнон (16 января 2020 г.). «Модели глубокой авторегрессии для эффективного вариационного моделирования квантовых систем многих тел» . Письма о физических отзывах . 124 (2): : 1902.04057 020503.arXiv . Бибкод : 2020PhRvL.124b0503S . doi : 10.1103/PhysRevLett.124.020503 . ПМИД   32004039 .
  42. ^ Бротон, Майкл; Вердон, Гийом; МакКорт, Тревор; Мартинес, Антонио Дж.; Ю, Джэ Хён; Исаков Сергей В.; Мэсси, Филип; Халавати, Рамин; Ню, Мерфи Южен (26 августа 2021 г.), TensorFlow Quantum: программная платформа для квантового машинного обучения , arXiv : 2003.02989
  43. ^ Перейти обратно: а б Ди Вентра, Массимилиано (23 марта 2022 г.), MemComputing против квантовых вычислений: некоторые аналогии и основные различия , arXiv : 2203.12031
  44. ^ Уилкинсон, Сэмюэл А.; Хартманн, Майкл Дж. (8 июня 2020 г.). «Сверхпроводящие квантовые схемы многих тел для квантового моделирования и вычислений» . Письма по прикладной физике . 116 (23). arXiv : 2003.08838 . Бибкод : 2020ApPhL.116w0501W . дои : 10.1063/5.0008202 . ISSN   0003-6951 .
  45. ^ «Принимаем заказы на комплекты для разработки процессоров искусственного интеллекта Akida» . 21 октября 2021 г.
  46. ^ «Первая мини-плата PCIexpress с микросхемой нейронной сети» . 19 января 2022 г.
  47. ^ «002.08 Семинар NICE 2014: На пути к интеллектуальным вычислениям с нейромемристивными схемами и системами – февраль 2014 г.» . digitalops.sandia.gov . Проверено 26 августа 2019 г.
  48. ^ К. Меркель и Д. Кудитипуди, «Нейромемристивные машины экстремального обучения для классификации образов», ISVLSI, 2014.
  49. ^ Маан, АК; Джеймс, AP; Димитриев, С. (2015). «Мемристорный распознаватель образов: распознавание изолированных речевых слов». Электронные письма . 51 (17): 1370–1372. Бибкод : 2015ElL....51.1370M . дои : 10.1049/эл.2015.1428 . hdl : 10072/140989 . S2CID   61454815 .
  50. ^ Маан, Акшай Кумар; Кумар, Динеш С.; Джеймс, Алекс Паппачен (1 января 2014 г.). «Мемристивное пороговое распознавание лиц» . Procedia Информатика . 5-я ежегодная международная конференция по биологическим когнитивным архитектурам, 2014 BICA. 41 : 98–103. дои : 10.1016/j.procs.2014.11.090 . hdl : 10072/68372 .
  51. ^ Маан, АК; Кумар, Д.С.; Сугатан, С.; Джеймс, AP (1 октября 2015 г.). «Разработка мемристивной пороговой логической схемы для обнаружения быстродвижущихся объектов». Транзакции IEEE в системах очень большой интеграции (VLSI) . 23 (10): 2337–2341. arXiv : 1410.1267 . дои : 10.1109/TVLSI.2014.2359801 . ISSN   1063-8210 . S2CID   9647290 .
  52. ^ Джеймс, AP; Фрэнсис, LRVJ; Кумар, Д.С. (1 января 2014 г.). «Резистивная пороговая логика». Транзакции IEEE в системах очень большой интеграции (VLSI) . 22 (1): 190–195. arXiv : 1308.0090 . дои : 10.1109/TVLSI.2012.2232946 . ISSN   1063-8210 . S2CID   7357110 .
  53. ^ Джеймс, AP; Кумар, Д.С.; Аджаян А. (1 ноября 2015 г.). «Пороговые логические вычисления: схемы мемристивной КМОП для быстрого преобразования Фурье и ведического умножения». Транзакции IEEE в системах очень большой интеграции (VLSI) . 23 (11): 2690–2694. arXiv : 1411.5255 . дои : 10.1109/TVLSI.2014.2371857 . ISSN   1063-8210 . S2CID   6076956 .
  54. ^ Каравелли; и другие. (2017). «Сложная динамика мемристивных цепей: аналитические результаты и универсальная медленная релаксация». Физический обзор E . 95 (2): 022140. arXiv : 1608.08651 . Бибкод : 2017PhRvE..95b2140C . дои : 10.1103/PhysRevE.95.022140 . ПМИД   28297937 . S2CID   6758362 .
  55. ^ Перейти обратно: а б Каравелли; и другие. (2021). «Глобальная минимизация с помощью классического туннелирования, которому способствует формирование коллективного силового поля». Достижения науки . 7 (52): 022140. arXiv : 1608.08651 . Бибкод : 2021SciA....7.1542C . дои : 10.1126/sciadv.abh1542 . ПМИД   28297937 . S2CID   231847346 .
  56. ^ Авраам, Исаак (20 июля 2018 г.). «Дело об отказе от мемристора как фундаментального элемента схемы» . Научные отчеты . 8 (1): 10972. Бибкод : 2018NatSR...810972A . дои : 10.1038/s41598-018-29394-7 . ISSN   2045-2322 . ПМК   6054652 . ПМИД   30030498 .
  57. ^ Шелдон, Форрест (2018). Коллективные явления в мемристивных сетях: инженерные фазовые переходы в вычисления . Электронные диссертации и диссертации Калифорнийского университета в Сан-Диего.
  58. ^ Скорка, Орит (1 июля 2011 г.). «На пути к цифровой камере, способной конкурировать с человеческим глазом» . Журнал электронных изображений . 20 (3): 033009–033009–18. Бибкод : 2011JEI....20c3009S . дои : 10.1117/1.3611015 . ISSN   1017-9909 .
  59. ^ Саркар, Танмой; Либерт, Катарина; Павлу, Аристея; Фрэнк, Томас; Майлендер, Волкер; Маккалок, Иэн; Блом, Пол ВМ; Торричелли, Фабрицио; Гкупиденис, Пасхалис (7 ноября 2022 г.). «Органический искусственный импульсный нейрон для нейроморфного зондирования in situ и биоинтерфейса» . Природная электроника . 5 (11): 774–783. дои : 10.1038/s41928-022-00859-y . hdl : 10754/686016 . ISSN   2520-1131 . S2CID   253413801 .
  60. ^ «Искусственные нейроны имитируют биологические аналоги, обеспечивая синергетическое действие» . Природная электроника . 5 (11): 721–722. 10 ноября 2022 г. doi : 10.1038/s41928-022-00862-3 . ISSN   2520-1131 . S2CID   253469402 .
  61. ^ Исследовательская комиссия 2015 г. (сентябрь 2016 г.). Искусственный интеллект и жизнь в 2030 году (PDF) . Столетнее исследование искусственного интеллекта (AI100) (Отчет). Стэндфордский Университет. Архивировано из оригинала (PDF) 30 мая 2019 года . Проверено 26 декабря 2019 г. {{cite report}}: CS1 maint: числовые имена: список авторов ( ссылка )
  62. ^ Перейти обратно: а б Европейская комиссия (сентябрь 2012 г.). «Специальный Евробарометр 382: Отношение общественности к роботам» (PDF) . Европейская комиссия .
  63. ^ Перейти обратно: а б Лим, Дэниел (1 июня 2014 г.). «Моделирование мозга и личность: проблема проекта человеческого мозга». Этика и информационные технологии . 16 (2): 77–89. дои : 10.1007/s10676-013-9330-5 . ISSN   1572-8439 . S2CID   17415814 .
  64. ^ Лаван. «Авторское право на исходный код и цифровые продукты» . Лаван . Проверено 10 мая 2019 г.
  65. ^ Эшрагян, Джейсон К. (9 марта 2020 г.). «Человеческая собственность на искусственное творчество». Природный машинный интеллект . 2 (3): 157–160. дои : 10.1038/s42256-020-0161-x . S2CID   215991449 .

Внешние ссылки [ править ]

Викискладе есть медиафайлы, связанные с нейроморфной инженерией .
Retrieved from "https://en.wikipedia.org/w/index.php?title=Neuromorphic_engineering&oldid=1224416710"