一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

研發(fā)的新型超導神經(jīng)元,在很多方面都更加接近一個真實的神經(jīng)元

hl5C_deeptechch ? 來源:xx ? 2019-07-27 09:07 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

雖然與以千兆赫速度運行的現(xiàn)代微處理器相比,人腦的運行速度只有幾赫茲,簡直就像蝸牛一樣,但毋庸置疑的是,人類大腦是迄今為止已知的最偉大的計算設(shè)備。人類大腦的強大之處在于,能夠同時進行每秒十億次的計算,這種并行性使得它能夠輕松地解決傳統(tǒng)計算機尚未解決的問題,比如駕駛、行走、交談等等。而更不可思議的是,這每秒十億次的計算背后,大腦所需要的能量來源可能僅為一碗稀飯。相比之下,一臺超級計算機所需要的電力要超過一座大城市的電力消耗,遠遠多于大腦幾個數(shù)量級。這就是為什么計算機科學家,一心想要使用神經(jīng)網(wǎng)絡作為計算工具,以模擬人類大腦的計算性能。但說起來容易做起來難。雖然通過普通芯片也可以編入類似于神經(jīng)網(wǎng)絡的程序,但這需要大量的計算和能量消耗。

于是,計算機科學家嘗試創(chuàng)建人工神經(jīng)元,并將它們連接成類似大腦的網(wǎng)絡。不過一直以來,并沒有人提出一個設(shè)計能夠接近大腦的計算性能和運行效率。近日,麻省理工學院的 Emily Toomey 和他的同事設(shè)計了一個由納米線組成的超導神經(jīng)元,在很多方面都更加接近一個真實的神經(jīng)元。研究成果以預印本的形式發(fā)表在 arxiv.org 網(wǎng)站上。研究人員表示,他們的設(shè)備與大腦的能量效率相匹配(至少在理論上是這樣),并且是新一代超導神經(jīng)網(wǎng)絡的基石,該超導神經(jīng)網(wǎng)絡的效率將遠遠高于傳統(tǒng)的計算設(shè)備。首先,我們了解一些背景知識。神經(jīng)元以電脈沖或動作電位的形式編碼信息,這些電脈沖或動作電位沿著神經(jīng)纖維傳播,神經(jīng)元之間通過突觸的結(jié)構(gòu)進行彼此分隔和信號傳遞。一個神經(jīng)元可以通過突觸影響其它神經(jīng)元,傳遞的神經(jīng)信號可以激活或抑制下游神經(jīng)元。事實上,突觸的存在可以使神經(jīng)元之間像邏輯門一樣工作,對多個輸入信號產(chǎn)生一個輸出響應。在生物神經(jīng)元中,的確有許多重要的特性,比如除非輸入信號超過某個閾值水平,否則信號不會激活,而且在經(jīng)過一段時間(稱為不應期)之前,它們不能被再次激活;此外,突起沿軸突移動的時間也很重要,因為它編碼了突起已經(jīng)移動的距離。因此,人工神經(jīng)元必須能夠盡可能多地復制這些生物特征,而這也需要一些更復雜的電路設(shè)計。Toomey 和他的同事指出,超導納米線具有一種特殊的非線性特性,使得它們可以像神經(jīng)元一樣工作。這種特性的產(chǎn)生是因為當流過納米線的電流超過某個閾值時,納米線的超導性就會崩潰,此時電阻突然增大,產(chǎn)生了一個類似于神經(jīng)元動作電位的電壓脈沖。用這種電壓脈沖來調(diào)制另一根超導納米線產(chǎn)生的另一個脈沖,使得對生物神經(jīng)元的模擬更加真實,相當于創(chuàng)造了一個具有許多生物神經(jīng)元特性的簡單超導電路。研究人員也已經(jīng)證明超導神經(jīng)元具有觸發(fā)閾值、不應期,以及可以根據(jù)電路特性進行調(diào)整的傳播時間等特性。

圖 | 超導納米線中的松弛振蕩,是納米線神經(jīng)元中脈沖形成的基礎(chǔ)(來源:arxiv.prg)至關(guān)重要的是,這種超導神經(jīng)元還可以用來觸發(fā)或抑制其它神經(jīng)元。這種“分列”屬性是創(chuàng)建神經(jīng)網(wǎng)絡的關(guān)鍵,也是其它超導神經(jīng)元設(shè)計從未實現(xiàn)的。Toomey 和同事的計算表明,由于超導電路耗電量很小,這種超導神經(jīng)網(wǎng)絡可以與生物神經(jīng)網(wǎng)絡的效率相媲美。神經(jīng)網(wǎng)絡中每秒使用 1 瓦特能量可以執(zhí)行的突觸運行數(shù)量,是衡量計算性能的指標。Toomey 表示,他們提出的神經(jīng)網(wǎng)絡應該能夠達到每秒每瓦特 10^14 個突觸運行,與人類大腦大致相當?!皬墓β屎退俣鹊慕嵌葋砜矗{米線神經(jīng)元可能是一項極具競爭力的技術(shù)?!彼麄冋f。當然,納米線神經(jīng)元也存在一些局限。與大腦相比,超導神經(jīng)元最大的差距就是只能連接少數(shù)其它神經(jīng)元,相比之下,人類大腦中的每個神經(jīng)元都與成千上萬的神經(jīng)元相連。而且,目前 Toomey 等人的超導神經(jīng)網(wǎng)絡還只是一個設(shè)計。盡管如此,模擬結(jié)果還是很有希望的。研究人員表示,目前的分析表明,納米線神經(jīng)元是低功耗人工神經(jīng)網(wǎng)絡發(fā)展的一個有希望的候選對象,而且潛力是巨大的。研究人員認為,超導神經(jīng)網(wǎng)絡可能成為全新計算機硬件的基礎(chǔ),這些芯片可以通過超導互連連接在一起,也就沒有散熱的問題?!捌浣Y(jié)果將是一個大規(guī)模的神經(jīng)形態(tài)處理器,它可以被訓練成一個脈沖神經(jīng)網(wǎng)絡(spiking neural network),執(zhí)行模式識別之類的任務或用于模擬大型生物仿真網(wǎng)絡的脈沖動力學?!睙o論如何,這是一項有趣的工作,盡管在興奮之前還需要進行概念驗證演示。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 網(wǎng)絡
    +關(guān)注

    關(guān)注

    14

    文章

    7814

    瀏覽量

    90926
  • 神經(jīng)元
    +關(guān)注

    關(guān)注

    1

    文章

    368

    瀏覽量

    18836
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    無刷直流電機單神經(jīng)元自適應智能控制系統(tǒng)

    摘要:針對無刷直流電機(BLDCM)設(shè)計了種可在線學習的單神經(jīng)元自適應比例-積分-微分(PID)智能控制器,通過有監(jiān)督的 Hebb學習規(guī)則調(diào)整權(quán)值,每次采樣根據(jù)反饋誤差對神經(jīng)元權(quán)值進行調(diào)整,以實現(xiàn)
    發(fā)表于 06-26 13:36

    無刷直流電機單神經(jīng)元PI控制器的設(shè)計

    摘要:研究了種基于專家系統(tǒng)的單神經(jīng)元PI控制器,并將其應用于無刷直流電機調(diào)速系統(tǒng)中??刂破鲗崿F(xiàn)了PI參數(shù)的在線調(diào)整,具有PID控制器良好動態(tài)性能的同時,減少微分項對系統(tǒng)穩(wěn)態(tài)運行時的影響,并較好
    發(fā)表于 06-26 13:34

    蚌埠:傳感“神經(jīng)元”激活產(chǎn)業(yè)新脈動,智能傳感器產(chǎn)業(yè)邁向千億新征程

    的"神經(jīng)元",用微小身軀傳遞著海量信號。而在安徽蚌埠,場關(guān)于"感知"的產(chǎn)業(yè)革命正澎湃上演。 ? 群賢畢至探"智感",第七屆智能傳感器產(chǎn)業(yè)發(fā)展大會啟幕 ? 5月24日,淮河之畔的蚌埠迎來場科技盛宴——以"芯聚江淮 智感世界"為
    的頭像 發(fā)表于 05-28 18:09 ?323次閱讀

    BP神經(jīng)網(wǎng)絡的網(wǎng)絡結(jié)構(gòu)設(shè)計原則

    ,僅作為數(shù)據(jù)輸入的接口。輸入層的神經(jīng)元個數(shù)通常與輸入數(shù)據(jù)的特征數(shù)量相對應。 隱藏層 :對輸入信號進行非線性變換,是神經(jīng)網(wǎng)絡的核心部分,負責學習輸入與輸出之間的復雜映射關(guān)系。隱藏層可以有層或多層,層數(shù)和
    的頭像 發(fā)表于 02-12 16:41 ?739次閱讀

    BP神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡的比較

    多層。 每層都由若干個神經(jīng)元構(gòu)成,神經(jīng)元之間通過權(quán)重連接。信號神經(jīng)網(wǎng)絡中是前向傳播的,而誤差是反向傳播的。 卷積
    的頭像 發(fā)表于 02-12 15:53 ?662次閱讀

    什么是BP神經(jīng)網(wǎng)絡的反向傳播算法

    神經(jīng)網(wǎng)絡(即反向傳播神經(jīng)網(wǎng)絡)的核心,它建立梯度下降法的基礎(chǔ)上,是種適合于多層神經(jīng)元網(wǎng)絡的學習算法。該算法通過計算每層網(wǎng)絡的誤差,并將這
    的頭像 發(fā)表于 02-12 15:18 ?765次閱讀

    如何訓練BP神經(jīng)網(wǎng)絡模型

    從輸入層向輸出層傳播的過程。具體來說,輸入層的信號經(jīng)過加權(quán)和運算后傳遞給隱藏層,隱藏層的神經(jīng)元接收來自前層的信號,經(jīng)過激活函數(shù)處理后再傳遞給下層,直到最終到達輸出層。每層的輸出都
    的頭像 發(fā)表于 02-12 15:10 ?904次閱讀

    深度學習入門:簡單神經(jīng)網(wǎng)絡的構(gòu)建與實現(xiàn)

    深度學習中,神經(jīng)網(wǎng)絡是核心模型。今天我們用 Python 和 NumPy 構(gòu)建簡單的神經(jīng)網(wǎng)絡。 神經(jīng)網(wǎng)絡由多個
    的頭像 發(fā)表于 01-23 13:52 ?528次閱讀

    人工神經(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構(gòu)方法

    所擬合的數(shù)學模型的形式受到大腦中神經(jīng)元的連接和行為的啟發(fā),最初是為了研究大腦功能而設(shè)計的。然而,數(shù)據(jù)科學中常用的神經(jīng)網(wǎng)絡作為大腦模型已經(jīng)過時,現(xiàn)在它們只是能夠某些應用中提供最先進性能的機器學習模型。近年來,由于
    的頭像 發(fā)表于 01-09 10:24 ?1183次閱讀
    人工<b class='flag-5'>神經(jīng)</b>網(wǎng)絡的原理和多種<b class='flag-5'>神經(jīng)</b>網(wǎng)絡架構(gòu)方法

    請問ADS1298稱為生理信號測量轉(zhuǎn)換器,和傳統(tǒng)AD轉(zhuǎn)換器有什么區(qū)別?

    請問ADS1298稱為生理信號測量轉(zhuǎn)換器,和傳統(tǒng)AD轉(zhuǎn)換器有什么區(qū)別。我想使用其作為神經(jīng)元和肌肉細胞信號的檢測,精度要達到0.1mV以下,不知道是否合適。
    發(fā)表于 01-01 06:39

    卷積神經(jīng)網(wǎng)絡與傳統(tǒng)神經(jīng)網(wǎng)絡的比較

    神經(jīng)網(wǎng)絡,也稱為全連接神經(jīng)網(wǎng)絡(Fully Connected Neural Networks,F(xiàn)CNs),其特點是每層的每個神經(jīng)元都與下
    的頭像 發(fā)表于 11-15 14:53 ?1866次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡的區(qū)別

    傳統(tǒng)神經(jīng)網(wǎng)絡(前饋神經(jīng)網(wǎng)絡) 2.1 結(jié)構(gòu) 傳統(tǒng)神經(jīng)網(wǎng)絡,通常指的是前饋神經(jīng)網(wǎng)絡(Feedforward Neural Networks, FNN),是
    的頭像 發(fā)表于 11-15 09:42 ?1125次閱讀

    關(guān)于卷積神經(jīng)網(wǎng)絡,這些概念你厘清了么~

    小型網(wǎng)絡,它包含具有三輸入的輸入層、
    發(fā)表于 10-24 13:56

    光遺傳學 – 用光控制細胞和動物

    利用光遺傳學技術(shù),研究人員只需使用光(通常來自激光器)就能激活、失活和操控神經(jīng)細胞。 三百多年前,路易吉·伽伐尼發(fā)現(xiàn)青蛙的腿通電后會產(chǎn)生抽搐。 這是因為神經(jīng)細胞(神經(jīng)元)是通過產(chǎn)生電
    的頭像 發(fā)表于 08-23 06:24 ?494次閱讀
    光遺傳學 – 用光控制細胞和動物

    Python自動訓練人工神經(jīng)網(wǎng)絡

    人工神經(jīng)網(wǎng)絡(ANN)是機器學習中種重要的模型,它模仿了人腦神經(jīng)元的工作方式,通過多層節(jié)點(神經(jīng)元)之間的連接和權(quán)重調(diào)整來學習和解決問題。Python由于其強大的庫支持(如Tenso
    的頭像 發(fā)表于 07-19 11:54 ?698次閱讀