neuromorphic engineering
PulseAugur coverage of neuromorphic engineering — every cluster mentioning neuromorphic engineering across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新型统一复值神经网络整合连续和事件驱动学习
研究人员开发了一种新颖的统一复值神经网络（UCNN），它整合了连续值表示和事件驱动的时间处理。该新模型基于统一复值神经元（UCN），使用幅度编码信号强度，并使用相位控制时间演化和脉冲发射。UCNN框架支持通过反向传播和反向传播随时间进行训练，并提供了一种事件驱动的自适应相位学习规则，作为一种计算效率更高的替代方案。在目标跟踪和洛伦兹吸引子学习中的评估表明，UCNN在保持稀疏、事件驱动的计算（适用于神经形态和边缘AI应用）的同时，能够实…
-
神经形态EMRFormer在调制识别方面实现90%的能耗降低
研究人员开发了EMRFormer，这是一种新颖的脉冲神经网络（SNN）架构，专为资源受限的神经形态硬件上的端到端自动调制识别（AMR）而设计。该架构集成了脉冲驱动的Transformer与自适应脉冲编码和整数泄漏积分-发放（Leaky Integrate-and-Fire）神经元，以提高信息保持能力和表征能力。EMRFormer还集成了脉冲可分离卷积神经网络（CNN），用于从原始IQ波形中提取多尺度时间特征，在实现最先进的准确率的同时…
-
神经形态计算有望为人工智能提供节能方案
神经形态计算模仿人脑结构，正被探索作为创建更节能人工智能系统的方式。这些混合系统有望带来显著的效率提升，尤其是在边缘人工智能应用方面。然而，广泛采用面临挑战，在可预见的未来，传统计算基础设施仍将占据主导地位。
-
新型声学突触有望降低神经形态计算的功耗
研究人员开发了一种拓扑声学突触，这是一种用于神经形态计算的新型组件。与现有的电子设备相比，这种突触的功耗显著降低，可能带来数量级的提升。这项创新为创建高计算密度的神经形态硬件提供了一种可扩展的方法。
-
AI 进展涵盖神经形态计算、疾病检测和供应链扩张
《Register》杂志的 AI 版块重点介绍了几个不同的发展。神经形态计算被探索为边缘 AI 的潜在节能解决方案，尽管传统基础设施仍然占主导地位。另外，一个由 AI 驱动的“嗅觉语言模型”正在开发中，通过分析呼吸样本来检测疾病，有可能挽救生命并减轻急诊室的压力。该版块还指出，AI 互连需求正推动一家由 Nvidia 支持的光学供应商大幅扩大晶圆产量，强调了供应链在维持 AI 进步中的关键作用。
-
ELSA架构实现弹性推理，助力高效神经形态计算
研究人员推出ELSA，一种旨在提高脉冲神经网络（SNN）在神经形态计算中效率的新型架构。ELSA通过实现真正的弹性推理，克服了现有加速器的局限性，允许数据在流经系统时逐步生成输出。与当前的SNN和量化ANN加速器相比，这种细粒度的、逐令牌的流水线显著降低了延迟并提高了能效。
-
AI 加速量子、百亿亿次和神经形态计算的进步
新兴的计算能力，包括百亿亿次超级计算、量子计算以及神经形态/光子方法，有望改变各个行业。这些通常由 AI 加速的进步有望在药物发现、材料科学、气候建模和能源效率等领域取得突破。然而，量子计算的兴起也迫切需要迅速过渡到后量子密码学，以保护现有的加密标准。
-
人工智能的本质、数学结构和历史背景的争论
该集群探讨了人工智能的根本性质，质疑智能本身是否是一种数学结构。其中一篇文章深入探讨了人工智能的“本质”，认为理解它会揭示其令人恐惧的方面，而另一篇文章则讨论了深度学习兴起之前连接主义人工智能的历史轨迹。讨论涉及可计算性、局限性以及人工智能研究的未来，特别是与数学和神经网络相关的方面。
-
Intel聘请高通老将Alex Katouzian领导客户端计算和物理AI部门
Intel已任命拥有25年经验的前高通高管Alex Katouzian为其客户端计算和物理AI部门的新任执行副总裁兼总经理。此外，Pushkar Ranade已被正式任命为Intel的首席技术官。这些领导层变动表明Intel正专注于推进其技术战略，特别是在量子计算、神经形态计算和AI驱动的边缘计算系统等领域。