stringtranslate.com

Нейроморфные вычисления

Нейроморфные вычисления — это подход к вычислениям, который вдохновлен структурой и функцией 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» использовался для описания аналоговых , цифровых , смешанных аналогово-цифровых СБИС и программных систем, которые реализуют модели нейронных систем (для восприятия , управления моторикой или мультисенсорной интеграции ). Недавние достижения даже открыли способы имитировать человеческую нервную систему с помощью жидких растворов химических систем. [5]

Реализация нейроморфных вычислений на аппаратном уровне может быть реализована с помощью мемристоров на основе оксидов , [6] спинтронных запоминающих устройств, пороговых переключателей, транзисторов , [7] [4] и т. д. Обучение нейроморфных систем на основе программного обеспечения спайковых нейронных сетей может быть достигнуто с использованием обратного распространения ошибок, например, с использованием фреймворков на основе Python , таких как snnTorch, [8] или с использованием канонических правил обучения из литературы по биологическому обучению, например, с использованием BindsNet. [9]

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, объединяет обучение и развитие, адаптируется к локальным изменениям (пластичность) и способствует эволюционным изменениям.

Нейроморфная инженерия — междисциплинарная дисциплина, черпающая вдохновение из биологии , физики , математики , компьютерных наук и электронной инженерии [4] для проектирования 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. [10] Одно из первых приложений для нейроморфной инженерии было предложено Карвером Мидом [11] в конце 1980-х годов.

Неврологическое вдохновение

Нейроморфная инженерия на данный момент выделяется тем, что черпает вдохновение из того, что мы знаем о структуре и работе мозга . Нейроморфная инженерия переводит то, что мы знаем о функционировании 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 пугающе сложны, и поэтому их очень трудно искусственно смоделировать. Ключевой особенностью биологического мозга является то, что вся обработка в нейронах использует аналоговые химические сигналы . Это затрудняет воспроизведение мозга в компьютерах, поскольку нынешнее поколение компьютеров полностью цифровое. Однако характеристики этих химических сигналов можно абстрагировать в математические функции, которые точно отражают суть работы 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 заявлять и пытаться воспроизвести каждый элемент нейронов и синапсов, но все придерживаются идеи, что вычисления в высокой степени распределены по серии небольших вычислительных элементов, аналогичных нейрону. Хотя это мнение является стандартным, исследователи преследуют эту цель разными методами. [12]

Примеры

Еще в 2006 году исследователи из Georgia Tech опубликовали программируемую нейронную решетку. [13] Эта микросхема была первой в ряду все более сложных решеток транзисторов с плавающим затвором, которые позволяли программировать заряд на затворах МОП-транзисторов для моделирования характеристик ионных каналов нейронов в мозге и была одним из первых случаев программируемой на кремнии решетки 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 технологии производства КМОП . [14] [15]

В июне 2012 года исследователи спинтроники в Университете Пердью представили доклад о разработке нейроморфного чипа с использованием боковых спиновых клапанов и мемристоров . Они утверждают, что архитектура работает аналогично нейронам и поэтому может использоваться для тестирования методов воспроизведения обработки мозгом. Кроме того, эти чипы значительно более энергоэффективны, чем обычные. [16]

Исследования в HP Labs на мемристорах Мотта показали, что, хотя они могут быть энергонезависимыми , энергозависимое поведение, проявляемое при температурах значительно ниже температуры фазового перехода , может быть использовано для изготовления нейристора [17] , биологически вдохновленного устройства, которое имитирует поведение, обнаруженное в нейронах. [17] В сентябре 2013 года они представили модели и симуляции, которые показывают, как импульсное поведение этих нейристоров может быть использовано для формирования компонентов, необходимых для машины Тьюринга . [18]

Neurogrid , созданный Brains in Silicon в Стэнфордском университете , [19] является примером оборудования, разработанного с использованием принципов нейроморфной инженерии. Печатная плата состоит из 16 специально разработанных чипов, называемых NeuroCores. Аналоговая схема каждого NeuroCore разработана для эмуляции нейронных элементов для 65536 нейронов, что максимизирует энергоэффективность. Эмулированные нейроны соединены с помощью цифровой схемы, разработанной для максимизации пропускной способности спайков. [20] [21]

Исследовательский проект, имеющий значение для нейроморфной инженерии, — это проект «Человеческий мозг», который пытается смоделировать полный человеческий мозг в суперкомпьютере с использованием биологических данных. Он состоит из группы исследователей в области нейронауки, медицины и вычислительной техники. [22] 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 вычислительных технологий. Три основные цели проекта — лучше понять, как части мозга подходят и работают вместе, понять, как объективно диагностировать и лечить заболевания мозга, и использовать понимание человеческого мозга для разработки нейроморфных компьютеров. Поскольку для моделирования полного человеческого мозга потребуется мощный суперкомпьютер, в настоящее время поощряется фокус на нейроморфных компьютерах. [23] Европейская комиссия  выделила проекту 1,3 миллиарда долларов . [24]

Другие исследования, имеющие значение для нейроморфной инженерии, включают инициативу BRAIN [25] и чип TrueNorth от IBM . [26] Нейроморфные устройства также были продемонстрированы с использованием нанокристаллов, нанопроводов и проводящих полимеров. [27] Также ведется разработка мемристивного устройства для квантовых нейроморфных архитектур. [28] В 2022 году исследователи из Массачусетского технологического института сообщили о разработке искусственных синапсов , вдохновленных мозгом , с использованием иона протона ( H+
), для «аналогового глубокого обучения ». [29] [30]

В октябре 2017 года компания Intel представила свой нейроморфный исследовательский чип под названием « Loihi ». Чип использует асинхронную импульсную нейронную сеть (SNN) для реализации адаптивных самомодифицирующихся событийно-управляемых мелкозернистых параллельных вычислений, используемых для реализации обучения и вывода с высокой эффективностью. [31] [32]

IMEC , бельгийский исследовательский центр наноэлектроники, продемонстрировал первый в мире самообучающийся нейроморфный чип. Чип, вдохновленный мозгом, на основе технологии OxRAM, обладает способностью к самообучению и, как было продемонстрировано, способен сочинять музыку. [33] IMEC выпустил 30-секундную мелодию, составленную прототипом. Чип был последовательно загружен песнями в том же размере и стиле. Песни представляли собой старые бельгийские и французские флейтовые менуэты, из которых чип изучил правила игры, а затем применил их. [34]

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

Европейский союз финансировал ряд проектов в Гейдельбергском университете, что привело к разработке BrainScaleS (вдохновленные мозгом многомасштабные вычисления в нейроморфных гибридных системах), гибридного аналогового нейроморфного суперкомпьютера, расположенного в Гейдельбергском университете, Германия. Он был разработан как часть нейроморфной вычислительной платформы Human Brain Project и является дополнением к суперкомпьютеру SpiNNaker (основанному на цифровых технологиях). Архитектура, используемая в BrainScaleS, имитирует биологические нейроны и их связи на физическом уровне; кроме того, поскольку компоненты сделаны из кремния, эти модельные нейроны работают в среднем в 864 раза (24 часа реального времени составляют 100 секунд в машинном моделировании) быстрее, чем их биологические аналоги. [35]

В 2019 году Европейский союз профинансировал проект «Нейроморфные квантовые вычисления» [36], исследующий использование нейроморфных вычислений для выполнения квантовых операций. Нейроморфные квантовые вычисления [37] (сокращенно «n.quantum computing») — это нетрадиционный тип вычислений, который использует нейроморфные вычисления для выполнения квантовых операций. [38] [39] Было высказано предположение, что квантовые алгоритмы , которые являются алгоритмами, работающими на реалистичной модели квантовых вычислений , могут быть вычислены одинаково эффективно с помощью нейроморфных квантовых вычислений. [40] [41] [42] [43] [44] Как традиционные квантовые вычисления, так и нейроморфные квантовые вычисления являются нетрадиционными вычислительными подходами к вычислениям, основанными на физике, 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. [44] [45]

В октябре 2021 года компания Brainchip объявила о приеме заказов на комплекты для разработки процессоров искусственного интеллекта Akida [46], а в январе 2022 года — о приеме заказов на платы PCIe процессоров искусственного интеллекта Akida [47] , что сделало их первым в мире коммерчески доступным нейроморфным процессором.

Нейромемристивные системы

Нейромеристивные системы являются подклассом нейроморфных вычислительных систем, которые фокусируются на использовании мемристоров для реализации нейропластичности . В то время как нейроморфная инженерия фокусируется на имитации биологического поведения, нейромемристивные системы фокусируются на абстракции. [48] Например, нейромемристивная система может заменить детали поведения кортикальной микросхемы абстрактной моделью нейронной сети. [49]

Существует несколько пороговых логических функций, вдохновленных нейронами [6], реализованных с помощью мемристоров, которые имеют применение в высокоуровневых приложениях распознавания образов . Некоторые из недавно опубликованных приложений включают распознавание речи , [50] распознавание лиц [51] и распознавание объектов . [52] Они также находят применение в замене обычных цифровых логических вентилей. [53] [54]

Для (квази)идеальных пассивных мемристивных цепей эволюция мемристивных воспоминаний может быть записана в замкнутой форме ( уравнение Каравелли–Траверса–Ди Вентры ): [55] [56]

как функция свойств физической мемристивной сети и внешних источников. Уравнение справедливо для случая оригинальной игрушечной модели Уильямса-Струкова, как и в случае идеальных мемристоров, . Однако гипотеза о существовании идеального мемристора является спорной. [57] В приведенном выше уравнении — это константа шкалы времени «забывания», обычно связанная с изменчивостью памяти, в то время как — это отношение значений выключения и включения предельных сопротивлений мемристоров, — вектор источников цепи, а — проектор на фундаментальные контуры цепи. Константа имеет размерность напряжения и связана со свойствами мемристора; ее физическим происхождением является подвижность заряда в проводнике. Диагональная матрица и вектор и соответственно, вместо этого являются внутренним значением мемристоров со значениями между 0 и 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 использовалось для изучения функций Ляпунова. [58] [56]

Нейроморфные датчики

Концепция нейроморфных систем может быть расширена до датчиков (не только до вычислений). Примером этого, применяемого для обнаружения света , является ретиноморфный датчик или, при использовании в массиве, камера событий . Все пиксели камеры событий регистрируют изменения уровней яркости по отдельности, что делает эти камеры сопоставимыми с человеческим зрением по их теоретическому энергопотреблению. [59] В 2022 году исследователи из Института исследований полимеров Макса Планка сообщили об органическом искусственном спайковом нейроне, который демонстрирует разнообразие сигналов биологических нейронов при работе в биологическом влажном оборудовании, что позволяет использовать нейроморфные сенсоры и приложения биоинтерфейса in situ . [60] [61]

Военные применения

Объединенный центр искусственного интеллекта , подразделение вооруженных сил США, является центром, занимающимся закупкой и внедрением программного обеспечения ИИ и нейроморфного оборудования для боевого применения. Конкретные приложения включают в себя умные гарнитуры/очки и роботов. JAIC намерен в значительной степени полагаться на нейроморфную технологию для подключения «каждого датчика (к) каждому стрелку» в сети нейроморфных подразделений.

Этические и правовые соображения

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

Однако практический спор заключается в том, что нейроморфное оборудование, а также искусственные «нейронные сети» являются чрезвычайно упрощенными моделями того, как мозг работает или обрабатывает информацию, при гораздо меньшей сложности с точки зрения размера и функциональной технологии и гораздо более регулярной структуры с точки зрения связности . Сравнение нейроморфных чипов с мозгом является очень грубым сравнением, похожим на сравнение самолета с птицей только потому, что у них обоих есть крылья и хвост. Факт в том, что биологические нейронные когнитивные системы на много порядков более энергоэффективны и вычислительны, чем современные современные ИИ, и нейроморфная инженерия является попыткой сократить этот разрыв, вдохновляясь механизмом мозга, так же как многие инженерные разработки имеют биоинспирированные особенности .

Социальные проблемы

Значительные этические ограничения могут быть наложены на нейроморфную инженерию из-за общественного восприятия. [62] Специальный Евробарометр 382: Отношение общественности к роботам, опрос, проведенный Европейской комиссией, показал, что 60% граждан Европейского Союза хотели запретить роботов в уходе за детьми, пожилыми людьми или инвалидами. Кроме того, 34% высказались за запрет роботов в образовании, 27% в здравоохранении и 20% в сфере досуга. Европейская комиссия классифицирует эти области как особенно «человеческие». В отчете говорится о возросшей общественной обеспокоенности роботами, которые способны имитировать или копировать человеческие функции. Нейроморфная инженерия, по определению, предназначена для копирования функции человеческого мозга. [63]

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 думают о роботах как о человекоподобных (в отличие от инструментоподобных), чем граждане ЕС старше 55 лет. Когда им показали изображение робота, который был определен как человекоподобный, 75% граждан ЕС в возрасте от 15 до 24 лет сказали, что оно соответствует их представлению о роботах, в то время как только 57% граждан ЕС старше 55 лет ответили так же. Таким образом, человекоподобная природа нейроморфных систем может поместить их в категории роботов, которые многие граждане ЕС хотели бы запретить в будущем. [63]

Личность

Поскольку нейроморфные системы становятся все более продвинутыми, некоторые ученые [ кто? ] выступают за предоставление этим системам прав личности . Дэниел Лим, критик развития технологий в проекте «Человеческий мозг» , который направлен на продвижение вычислений, вдохновленных мозгом, утверждает, что прогресс в области нейроморфных вычислений может привести к машинному сознанию или личности. [64] Если эти системы следует рассматривать как людей , то многие задачи, которые люди выполняют с использованием нейроморфных систем, включая их прекращение, могут быть морально недопустимыми, поскольку эти действия нарушат их автономию. [64]

Право собственности и имущественные права

Существуют значительные юридические дебаты вокруг прав собственности и искусственного интеллекта. В деле Acohs Pty Ltd против Ucorp Pty Ltd судья Федерального суда Австралии Кристофер Джессап постановил, что исходный код паспортов безопасности материалов не может быть защищен авторским правом , поскольку он был сгенерирован программным интерфейсом, а не автором-человеком. [65] Тот же вопрос может быть применим к нейроморфным системам: если нейроморфная система успешно имитирует человеческий мозг и создает часть оригинальной работы, кто, если кто-либо, должен иметь возможность претендовать на право собственности на работу? [66]

Смотрите также

Ссылки

  1. ^ Хам, Донхи; Пак, Хонгкун; Хванг, Сонву; Ким, Кинам (2021). «Нейроморфная электроника, основанная на копировании и вставке мозга». Nature Electronics . 4 (9): 635–644. doi :10.1038/s41928-021-00646-1. ISSN  2520-1131. S2CID  240580331.
  2. ^ ван де Бургт, Йори; Любберман, Юут; 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..414V. дои : 10.1038/nmat4856. ISSN  1476-4660. ПМИД  28218920.
  3. ^ Мид, Карвер (1990). "Нейроморфные электронные системы" (PDF) . Труды IEEE . 78 (10): 1629–1636. doi :10.1109/5.58356. S2CID  1169506.
  4. ^ abc Рами А. Альзахрани; Элис К. Паркер (июль 2020 г.). Нейроморфные схемы с нейронной модуляцией, усиливающие информационное содержание нейронных сигналов . Международная конференция по нейроморфным системам 2020 г. С. 1–8. doi : 10.1145/3407197.3407204 . S2CID  220794387.
  5. ^ Томассоли, Лаура; Сильва-Диас, Леонардо; Дольник, Милос; Эпштейн, Ирвинг Р.; Джермани, Раймондо; Джентили, Пьер Луиджи (8 февраля 2024 г.). «Нейроморфная инженерия в области мокрого оборудования: различение акустических частот через их воздействие на химические волны». Журнал физической химии B. 128 ( 5): 1241–1255. doi :10.1021/acs.jpcb.3c08429. ISSN  1520-6106. PMID  38285636.
  6. ^ ab Maan, AK; Jayadevi, DA; James, AP (1 января 2016 г.). «Обзор пороговых логических схем памяти». Труды IEEE по нейронным сетям и системам обучения . PP (99): 1734–1746. arXiv : 1604.07121 . Bibcode : 2016arXiv160407121M. doi : 10.1109/TNNLS.2016.2547842. ISSN  2162-237X. PMID  27164608. S2CID  1798273.
  7. ^ Чжоу, Ю; Раманатан, С. (1 августа 2015 г.). «Память Мотта и нейроморфные устройства». Труды IEEE . 103 (8): 1289–1310. doi :10.1109/JPROC.2015.2431914. ISSN  0018-9219. S2CID  11347598.
  8. ^ 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 импульсных нейронных сетей с использованием уроков глубокого обучения». arXiv : 2109.12894 [cs.NE].
  9. ^ "Hananel-Hazan/bindsnet: Моделирование импульсных нейронных сетей (SNN) с использованием PyTorch". GitHub . 31 марта 2020 г.
  10. ^ Боддху, SK; Галлахер, JC (2012). «Анализ качественной функциональной декомпозиции эволюционировавших нейроморфных контроллеров полета». Прикладной вычислительный интеллект и мягкие вычисления . 2012 : 1–21. doi : 10.1155/2012/705483 .
  11. ^ Мид, Карвер А.; Маховальд, МА (1 января 1988 г.). «Кремниевая модель ранней визуальной обработки». Нейронные сети . 1 (1): 91–97. doi :10.1016/0893-6080(88)90024-X. ISSN  0893-6080.
  12. ^ Фурбер, Стив (2016). «Крупномасштабные нейроморфные вычислительные системы». Журнал нейронной инженерии . 13 (5): 1–15. Bibcode : 2016JNEng..13e1001F. doi : 10.1088/1741-2560/13/5/051001 . PMID  27529195.
  13. ^ Фаркуар, Этан; Хаслер, Пол. (Май 2006). «Программируемая на месте нейронная матрица». Международный симпозиум IEEE по схемам и системам 2006 г. стр. 4114–4117. doi :10.1109/ISCAS.2006.1693534. ISBN 978-0-7803-9389-9. S2CID  206966013.
  14. ^ "MIT создает "мозговой чип"" . Получено 4 декабря 2012 г. .
  15. ^ Пун, Чи-Сан; Чжоу, Куан (2011). «Нейроморфные кремниевые нейроны и крупномасштабные нейронные сети: проблемы и возможности». Frontiers in Neuroscience . 5 : 108. doi : 10.3389/fnins.2011.00108 . PMC 3181466. PMID  21991244 . 
  16. ^ Шарад, Мриганк; Августин, Чарльз; Панагопулос, Георгиос; Рой, Каушик (2012). «Предложение по нейроморфному оборудованию с использованием спиновых устройств». arXiv : 1206.3227 [cond-mat.dis-nn].
  17. ^ ab Pickett, MD; Medeiros-Ribeiro, G.; Williams, RS (2012). «Масштабируемый нейристор, построенный с мемристорами Мотта». Nature Materials . 12 (2): 114–7. Bibcode :2013NatMa..12..114P. doi :10.1038/nmat3510. PMID  23241533. S2CID  16271627.
  18. ^ Мэтью Д. Пикетт и Р. Стэнли Уильямс (сентябрь 2013 г.). «Фазовые переходы обеспечивают вычислительную универсальность в клеточных автоматах на основе нейристоров». Нанотехнологии . 24 (38). IOP Publishing Ltd. 384002. Bibcode : 2013Nanot..24L4002P. doi : 10.1088/0957-4484/24/38/384002. PMID  23999059. S2CID  9910142.
  19. ^ Боахен, Квабена (24 апреля 2014 г.). «Neurogrid: смешанная аналого-цифровая многокристальная система для крупномасштабного нейронного моделирования». Труды IEEE . 102 (5): 699–716. doi :10.1109/JPROC.2014.2313565. S2CID  17176371.
  20. ^ Уолдроп, М. Митчелл (2013). «Нейроэлектроника: интеллектуальные соединения». Nature . 503 (7474): 22–4. Bibcode :2013Natur.503...22W. doi : 10.1038/503022a . PMID  24201264.
  21. ^ 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.
  22. ^ "Involved Organizations". Архивировано из оригинала 2 марта 2013 г. Получено 22 февраля 2013 г.
  23. ^ "Human Brain Project" . Получено 22 февраля 2013 г.
  24. ^ "Проект "Человеческий мозг" и набор большего количества кибервоинов". 29 января 2013 г. Получено 22 февраля 2013 г.
  25. ^ Нейроморфные вычисления: машина новой души, The Economist, 2013-08-03
  26. ^ Modha, Dharmendra (август 2014). «Миллион импульсных нейронов интегральной схемы с масштабируемой коммуникационной сетью и интерфейсом». Science . 345 (6197): 668–673. Bibcode :2014Sci...345..668M. doi :10.1126/science.1254642. PMID  25104385. S2CID  12706847.
  27. ^ Фэрфилд, Джессамин (1 марта 2017 г.). «Умные машины» (PDF) .
  28. ^ Спаньоло, Микеле; Моррис, Джошуа; Пьячентини, Симоне; Антесбергер, Майкл; Масса, Франческо; Креспи, Андреа; Чеккарелли, Франческо; Оселламе, Роберто; Вальтер, Филип (апрель 2022 г.). «Экспериментальный фотонный квантовый мемристор». Природная фотоника . 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: «Эрстер «Квантен-мемристор» для KI и Quantencomputer verbinden». DER STANDARD (на австрийском немецком языке) . Проверено 28 апреля 2022 г.
    Lay summary report: «Искусственные нейроны становятся квантовыми с фотонными цепями». Венский университет . Получено 19 апреля 2022 г.
  29. ^ «Искусственный синапс» может заставить нейронные сети работать больше как мозг». New Scientist . Получено 21 августа 2022 г. .
  30. ^ Онен, Мурат; Эмонд, Николас; Ван, Баомин; Чжан, Дифей; Росс, Фрэнсис М.; Ли, Джу; Йылдыз, Бильге; дель Аламо, Хесус А. (29 июля 2022 г.). «Наносекундные протонные программируемые резисторы для аналогового глубокого обучения» (PDF) . Наука . 377 (6605): 539–543. Bibcode :2022Sci...377..539O. doi :10.1126/science.abp8064. ISSN  0036-8075. PMID  35901152. S2CID  251159631.
  31. ^ Дэвис, Майк и др. (16 января 2018 г.). «Loihi: нейроморфный многоядерный процессор с обучением на кристалле». IEEE Micro . 38 (1): 82–99. doi :10.1109/MM.2018.112130359. S2CID  3608458.
  32. ^ Моррис, Джон. «Почему Intel построила нейроморфный чип». ZDNet . Получено 17 августа 2018 г.
  33. ^ "Imec демонстрирует самообучающийся нейроморфный чип, который сочиняет музыку". IMEC International . Получено 1 октября 2019 г.
  34. ^ Бурзак, Кэтрин (23 мая 2017 г.). «Нейроморфный чип, создающий музыку». IEEE Spectrum . Получено 1 октября 2019 г.
  35. ^ «За пределами фон Неймана нейроморфные вычисления неуклонно развиваются». HPCwire . 21 марта 2016 г. Получено 8 октября 2021 г.
  36. ^ "Нейроморфные квантовые вычисления | Проект Quromorphic | Информационный бюллетень | H2020". CORDIS | Европейская комиссия . doi :10.3030/828826 . Получено 18 марта 2024 г. .
  37. ^ Пехле, Кристиан; Веттерих, Кристоф (30 марта 2021 г.), «Нейроморфные квантовые вычисления», Physical Review E , 106 (4): 045311, arXiv : 2005.01533 , Bibcode : 2022PhRvE.106d5311P, doi : 10.1103/PhysRevE.106.045311
  38. ^ Wetterich, C. (1 ноября 2019 г.). «Квантовые вычисления с классическими битами». Nuclear Physics B. 948 : 114776. arXiv : 1806.05960 . Bibcode : 2019NuPhB.94814776W. doi : 10.1016/j.nuclphysb.2019.114776. ISSN  0550-3213.
  39. ^ Пеле, Кристиан; Мейер, Карлхайнц; Оберталер, Маркус; Веттерих, Кристоф (24 октября 2018 г.), Эмуляция квантовых вычислений с помощью искусственных нейронных сетей , arXiv : 1810.10335
  40. ^ Карлео, Джузеппе; Тройер, Маттиас (10 февраля 2017 г.). «Решение квантовой проблемы многих тел с помощью искусственных нейронных сетей». Science . 355 (6325): 602–606. arXiv : 1606.02318 . Bibcode :2017Sci...355..602C. doi :10.1126/science.aag2302. ISSN  0036-8075. PMID  28183973.
  41. ^ Torlai, Giacomo; Mazzola, Guglielmo; Carrasquilla, Juan; Troyer, Matthias; Melko, Roger; Carleo, Giuseppe (май 2018 г.). "Нейронетевая квантовая томография состояний". Nature Physics . 14 (5): 447–450. arXiv : 1703.05334 . Bibcode :2018NatPh..14..447T. doi :10.1038/s41567-018-0048-5. ISSN  1745-2481.
  42. ^ Шарир, Ор; Левин, Йоав; Вайс, Ноам; Карлео, Джузеппе; Шашуа, Амнон (16 января 2020 г.). «Глубокие авторегрессионные модели для эффективного вариационного моделирования многочастичных квантовых систем». Physical Review Letters . 124 (2): 020503. arXiv : 1902.04057 . Bibcode :2020PhRvL.124b0503S. doi :10.1103/PhysRevLett.124.020503. PMID  32004039.
  43. ^ Бротон, Майкл; Вердон, Гийом; МакКорт, Тревор; Мартинес, Антонио Дж.; Ю, Джэ Хён; Исаков, Сергей В.; Мэсси, Филипп; Халавати, Рамин; Ниу, Мерфи Юэчжэнь (26 августа 2021 г.), TensorFlow Quantum: программная платформа для квантового машинного обучения , arXiv : 2003.02989
  44. ^ ab Di Ventra, Massimiliano (23 марта 2022 г.), MemComputing против квантовых вычислений: некоторые аналогии и основные различия , arXiv : 2203.12031
  45. ^ Уилкинсон, Сэмюэл А.; Хартманн, Майкл Дж. (8 июня 2020 г.). «Сверхпроводящие квантовые многочастичные схемы для квантового моделирования и вычислений». Applied Physics Letters . 116 (23). arXiv : 2003.08838 . Bibcode : 2020ApPhL.116w0501W. doi : 10.1063/5.0008202. ISSN  0003-6951.
  46. ^ «Принимаем заказы на комплекты для разработки процессоров искусственного интеллекта Akida». 21 октября 2021 г.
  47. ^ «Первая мини-плата PCIexpress с чипом нейронной сети». 19 января 2022 г.
  48. ^ "002.08 NICE Workshop 2014: На пути к интеллектуальным вычислениям с нейромембранными схемами и системами – февраль 2014 г.". digitalops.sandia.gov . Получено 26 августа 2019 г. .
  49. ^ C. Merkel и D. Kudithipudi, «Нейромемристивные экстремальные обучающиеся машины для классификации образов», ISVLSI, 2014.
  50. ^ Maan, AK; James, AP; Dimitrijev, S. (2015). «Распознаватель мемристорных образов: распознавание изолированных речевых слов». Electronics Letters . 51 (17): 1370–1372. Bibcode :2015ElL....51.1370M. doi :10.1049/el.2015.1428. hdl : 10072/140989 . S2CID  61454815.
  51. ^ Maan, Akshay Kumar; Kumar, Dinesh S.; James, Alex Pappachen (1 января 2014 г.). «Memristive Threshold Logic Face Recognition». Procedia Computer Science . 5-я ежегодная международная конференция по когнитивным архитектурам, вдохновленным биологией, 2014 BICA. 41 : 98–103. doi : 10.1016/j.procs.2014.11.090 . hdl : 10072/68372 .
  52. ^ Maan, AK; Kumar, DS; Sugathan, S.; James, AP (1 октября 2015 г.). «Проектирование пороговой логической схемы памяти для обнаружения быстро движущихся объектов». IEEE Transactions on Very Large Scale Integration (VLSI) Systems . 23 (10): 2337–2341. arXiv : 1410.1267 . doi : 10.1109/TVLSI.2014.2359801. ISSN  1063-8210. S2CID  9647290.
  53. ^ Джеймс, AP; Фрэнсис, LRVJ; Кумар, DS (1 января 2014 г.). «Резистивная пороговая логика». Труды IEEE по системам сверхбольшой интеграции (VLSI) . 22 (1): 190–195. arXiv : 1308.0090 . doi : 10.1109/TVLSI.2012.2232946. ISSN  1063-8210. S2CID  7357110.
  54. ^ Джеймс, AP; Кумар, DS; Аджаян, A. (1 ноября 2015 г.). «Вычисления на пороговой логике: схемы Memristive-CMOS для быстрого преобразования Фурье и ведического умножения». Труды IEEE по системам сверхбольшой интеграции (VLSI) . 23 (11): 2690–2694. arXiv : 1411.5255 . doi : 10.1109/TVLSI.2014.2371857. ISSN  1063-8210. S2CID  6076956.
  55. ^ Каравелли и др. (2017). «Сложная динамика мемристивных цепей: аналитические результаты и универсальная медленная релаксация». Physical Review E. 95 ( 2): 022140. arXiv : 1608.08651 . Bibcode : 2017PhRvE..95b2140C. doi : 10.1103/PhysRevE.95.022140. PMID  28297937. S2CID  6758362.
  56. ^ ab Caravelli; et al. (2021). "Глобальная минимизация посредством классического туннелирования с помощью формирования коллективного силового поля". Science Advances . 7 (52): 022140. arXiv : 1608.08651 . Bibcode :2021SciA....7.1542C. doi :10.1126/sciadv.abh1542. PMID  28297937. S2CID  231847346.
  57. ^ Авраам, Айзек (20 июля 2018 г.). «Дело об отклонении мемристора как фундаментального элемента схемы». Scientific Reports . 8 (1): 10972. Bibcode :2018NatSR...810972A. doi :10.1038/s41598-018-29394-7. ISSN  2045-2322. PMC 6054652 . PMID  30030498. 
  58. ^ Шелдон, Форрест (2018). Коллективные явления в мемристивных сетях: инженерные фазовые переходы в вычисления . Электронные диссертации и тезисы Калифорнийского университета в Сан-Диего.
  59. ^ Скорка, Орит (1 июля 2011 г.). «К цифровой камере, способной конкурировать с человеческим глазом». Journal of Electronic Imaging . 20 (3): 033009–033009–18. Bibcode : 2011JEI....20c3009S. doi : 10.1117/1.3611015. ISSN  1017-9909.
  60. ^ 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.
  61. ^ «Искусственные нейроны эмулируют биологические аналоги, обеспечивая синергетическую работу». Nature Electronics . 5 (11): 721–722. 10 ноября 2022 г. doi : 10.1038/s41928-022-00862-3. ISSN  2520-1131. S2CID  253469402.
  62. ^ 2015 Study Panel (сентябрь 2016 г.). Искусственный интеллект и жизнь в 2030 году (PDF) . Столетнее исследование искусственного интеллекта (AI100) (отчет). Стэнфордский университет. Архивировано из оригинала (PDF) 30 мая 2019 г. . Получено 26 декабря 2019 г. .{{cite report}}: CS1 maint: numeric names: authors list (link)
  63. ^ ab Европейская комиссия (сентябрь 2012 г.). "Специальный евробарометр 382: отношение общественности к роботам" (PDF) . Европейская комиссия .
  64. ^ ab Lim, Daniel (1 июня 2014 г.). «Моделирование мозга и личность: проблема проекта «Человеческий мозг». Этика и информационные технологии . 16 (2): 77–89. doi :10.1007/s10676-013-9330-5. ISSN  1572-8439. S2CID  17415814.
  65. ^ Lavan. «Авторское право на исходный код и цифровые продукты». Lavan . Получено 10 мая 2019 г. .
  66. ^ Эшрагян, Джейсон К. (9 марта 2020 г.). «Человеческое владение искусственным творчеством». Nature Machine Intelligence . 2 (3): 157–160. doi :10.1038/s42256-020-0161-x. S2CID  215991449.

Внешние ссылки

На Викискладе есть медиафайлы по теме «Нейроморфная инженерия» .