PulseAugur
实时 03:29:45
English(EN) Road to scalability for efficient graph search on massively parallel neuromorphic hardware

神经形态算法NEURO-MAPP在高效图搜索方面展现出潜力

研究人员开发了NEURO-MAPP,这是一种新颖的分布式最短路径算法,针对SpiNNaker 2平台等神经形态硬件进行了优化。该算法利用神经形态系统固有的局部计算和通信能力来实现高效的图搜索。评估表明,NEURO-MAPP在各种图类型的运行时长方面具有良好的可扩展性,并且比传统的基于CPU的Dijkstra算法消耗的能量更少,这凸显了神经形态计算在图相关任务中的潜力。 AI

影响 强调了在专用神经形态硬件上进行能效型图计算的潜力。

排序理由 学术论文,详细介绍了新算法及其在专用硬件上的实现。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

神经形态算法NEURO-MAPP在高效图搜索方面展现出潜力

报道来源 [1]

  1. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Christian Tetzlaff ·

    面向海量并行神经形态硬件的高效图搜索可扩展性之路

    Efficient computation of shortest paths in weighted graphs is a fundamental problem with many applications. Neuromorphic hardware platforms promise massively parallel, efficient computation, changing parallelism tradeoffs. In this work, we introduce NEURO-MAPP (Neuromorphic-based…