LIF
PulseAugur coverage of LIF — every cluster mentioning LIF across labs, papers, and developer communities, ranked by signal.
-
新的MeMark技术将水印嵌入SNN神经元状态
研究人员开发了一种名为MeMark的新型脉冲神经网络（SNN）水印技术，以防止未经授权的预训练模型重用。与之前侧重于输出验证的方法不同，MeMark将多比特标识符嵌入选定的泄漏积分发放（LIF）神经元的内部膜状态。这种方法无需学习解码器即可进行验证，并在大型SpikeGPT检查点上进行了测试，证明了其对微调、剪枝、量化和输出头替换等各种攻击的鲁棒性。
-
中国团队 DeepSoma 旨在实现详细的大脑模拟和现实世界整合
中国初创公司智岳空间智能（Zhiyue Kongjian Intelligence）推出了 DeepSoma 平台，该平台旨在模拟详细的生物神经元模型，并将其与现实世界环境和各种物理实体相结合。与 Eon Systems 简化的数字果蝇不同，DeepSoma 专注于生物物理细节的神经模型构建，并将真实世界场景重构为可计算的 4D 数字世界。该平台设计用于在不同载体上运行相同的大脑模型，从数字动物到机械臂和人形机器人，旨在为具身人工智能…
-
新框架支持脉冲神经网络的低比特部署
研究人员开发了PTQ4SNN，一个新颖的后训练量化框架，旨在实现脉冲神经网络（SNNs）的高效部署。该方法解决了量化循环膜状态的挑战，这些状态对SNN性能至关重要，但难以用低精度表示。PTQ4SNN采用通道级统一尺度桥接器来适应膜分布，并采用混合精度比特分配策略，根据放电活动和敏感性分配最佳比特精度，同时使用小型校准数据集。
-
主动脉冲感知使用膜电位进行随时3D识别
研究人员开发了主动脉冲感知（ASP），一种用于3D点云识别的新方法，该方法利用脉冲神经网络的膜电位作为信念状态。这种方法允许网络迭代地选择要观察的下一个数据块，并根据置信度边际触发提前退出。ASP在ModelNet40和ModelNet10等基准测试中取得了有竞争力的准确性，同时还提供了其他脉冲模型中不存在的随时接口。该技术还被应用于密集预测任务，在ShapeNetPart和S3DIS Area 5上取得了优异的成果。
-
新研究详细介绍了用于持久代理行为的自我产生信用
研究人员开发了一种新颖的方法，通过关注自我产生的信用，在人工智能代理中创建持久的行为自我。该方法在最新论文中有所详述，表明通过代理自身的能动性来控制缓慢的信用更新，即使在记忆删除或系统重置后，学习到的行为也能持续存在。研究表明，这种自我信用机制对于开发稳定的行为自我至关重要，在干扰下保留学习任务方面优于其他方法。
-
神经形态硅套件为边缘AI系统揭幕
研究人员开发了一套用于边缘神经形态系统的四个数字知识产权（IP）模块，采用SkyWater 130 nm工艺的标准单元CMOS实现。这些模块包括一个具有随机数生成功能的工艺、电压和温度（PVT）传感器，一个用于概率推理的随机泄漏积分-放电（LIF）神经元，一个用于本地学习的片上尖峰时间依赖可塑性（STDP）控制器，以及一个用于与模拟内存接口的忆阻器交叉开关控制器。该套件设计紧凑且可配置，共享通用的串行外设接口（SPI）寄存器文件，并经…
-
新方法提高了原子间势模型的准确性
研究人员开发了新的方法，即物理感知邻域（PAN）池化和物理引导谱（PGS）混合器，以提高短程等变原子间势的准确性。这些技术侧重于改进神经网络势中的标量通道，这对于聚合和解析能量表面至关重要。当应用于 MACE 骨架时，这些标量通路校正显著降低了各种材料和分子在力与能量上的误差，计算成本仅略有增加。在 Allegro 和 NequIP 等其他模型中也观察到了改进，这表明这些标量通路保真度增强功能在不同的短程等变架构中具有可移植性。
-
新的SNN训练方法提高了性能和速度
研究人员正在通过新颖的训练方法和神经元模型来推进脉冲神经网络（SNN）。一篇论文介绍了一种“循环发放”神经元和一种可学习的代理梯度函数，以改善信息表示和梯度传播，在各种数据集上取得了有竞争力的性能，并推广到Transformer架构。另一项研究提出了“Bullet Trains”，一种并行化技术，通过使用关联扫描和可微分脉冲时间求解器，显著加快了时间精确SNN的训练速度，并在具有事件驱动数据集的GPU上展示了可行性。第三篇论文提出了一…