谨慎选择你的工具：一项比较评估确定性与随机、二进制与模拟神经元模型在实现新兴计算范式中的应用
摘要：神经形态计算，通常被理解为一种基于神经元、突触和它们的动力学构建的计算方法，与布尔门相对，因其在解决当前和未来的计算技术问题，如智能感知、智能设备、自主托管和自包含设备以及人工智能（AI）应用等方面的直接应用而受到广泛关注。在基于软件定义的神经形态计算中，可以根据计算任务的特定性质投入巨大的计算能力或优化模型和网络。然而，硬件基础的方法需要确定合适的神经元和突触模型，以获得高功能和能源效率，在面临尺寸、重量和功耗（SWaP）限制的环境中，这是一个重要的关注点。在这项工作中，我们对使用丰富的新型纳米材料技术为基础的物理设备提出和证明的硬件神经元模型的特性进行研究，以量化这些神经元在一些在实时信号处理中非常重要的问题类别上的性能，例如在蓄水池计算的上下文中的任务。我们发现，对于什么应用使用哪种神经元的答案取决于应用要求和约束本身的特点，即在高效和质量的神经形态计算中，我们不仅需要一把锤子，还需要各种工具。
作者：Md Golam Morshed, Samiran Ganguly, Avik W. Ghosh
论文ID：2302.05056
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2023-05-09