Intel Loihi 2
PulseAugur coverage of Intel Loihi 2 — every cluster mentioning Intel Loihi 2 across labs, papers, and developer communities, ranked by signal.
-
CLANE系统支持在神经形态硬件上持续学习动作
研究人员开发了CLANE，一个使用事件相机在神经形态硬件上持续学习人类动作的系统。CLANE部署在Intel Loihi 2上，集成了脉冲2D CNN和CLP-SNN学习头，并通过新颖的时间聚合和归一化层得到增强。该系统在THU E-ACT-50数据集上达到了70.4%的准确率，同时与传统的边缘GPU基线相比，在能效和延迟方面表现出显著的改进。
-
EdgeSpike框架为物联网设备实现低功耗感知
研究人员推出EdgeSpike，一个专为边缘物联网设备中的低功耗自主感知设计的新框架。该系统集成了新颖的训练管道、硬件感知神经架构搜索以及针对各种神经形态和微控制器目标优化的事件驱动运行时。与传统的CNN相比，EdgeSpike在实际部署中展示了具有竞争力的准确性，同时显著降低了能耗并延长了电池寿命。
-
新研究探讨防止人工智能模型灾难性遗忘的方法
2026年5月6日提交的多篇研究论文探索了跨各种人工智能领域的持续学习的新方法。其中一篇论文介绍了一种基于重放的物理信息神经网络算子策略，以减轻灾难性遗忘。另一篇论文提出使用软令牌的“技能新词”来扩展大型语言模型的能力，而无需更新权重。此外，关于大型语言模型系统的研究提出了一种受生物记忆启发的、用于持续知识更新的多时间尺度记忆动力学方法。
-
英特尔 Loihi 2 上的脉冲神经网络实现能效高的实时目标检测
研究人员开发了一种在边缘神经形态硬件（特别是英特尔 Loihi 2 处理器）上为实时目标检测设计和部署脉冲神经网络（SNN）的方法。他们的工作表明，Loihi 2 上的 SNN 可以实现低能耗、实时的检测，在功耗方面优于传统的神经网络（ANN）。通过感知蒸馏的训练，SNN 在保持较低延迟的同时，恢复了 ANN 的大部分准确性，凸显了神经形态系统在能效高的边缘应用方面的潜力。