I en nylig banebrydende opdagelse har forskere fra CEA-LETI Université Grenoble Alpes, University of Zurich og ETH Zurich afsløret en revolutionerende tilgang til kredsløbsarkitekturer for neurale netværk. Deres tekniske artikel med titlen “Mosaic: hukommelsesbaseret beregning og routing til små-verdens spike-baserede neuromorfiske systemer” præsenterer en innovativ systolisk arkitektur kaldet Mosaic, der udnytter distribuerede memristorer til effektiv informationsrouting og beregning inden for spikende neurale netværk (SNN).
Inspirationen til denne tilgang stammer fra forbindelserne i den menneskelige hjerne, hvor forskerne omfavner konceptet om små-verdensgrafer, der kendetegnes ved lokal tæthed og global sparsomhed. Denne princip er synlig i forskellige arters evolutionære processer og indeholder nøglen til robust og effektiv informationsrouting. Dog formår eksisterende kunstige neurale netværksstrukturer ikke at inkorporere fuldt ud fordelene ved små-verdens neurale netværksmodeller.
Mosaic udfylder denne kløft ved at introducere en ny ikke-von Neumann-arkitektur, der kombinerer hukommelsesbaseret beregning og hukommelsesbaseret routing ved hjælp af distribuerede memristorer. Ved at implementere små-verdens graf-topologier udnytter Mosaic kraften i SNNs til at opnå enestående routingeffektivitet. Holdets design, produktion og eksperimentelle demonstrationer af Mosiacs komponenter viser fremragende resultater ved hjælp af integrerede memristorer med banebrydende 130 nm CMOS-teknologi.
En af de mest betydningsfulde resultater fra deres forskning er den fremragende routingeffektivitet, der opnås af Mosaic i forhold til eksisterende SNN-hardwareplatforme. Den påtvungne lokalitet i forbindelsen sikrer, at Mosaic overstiger andre med mindst en størrelsesorden i forhold til routingeffektivitet. Bemærkelsesværdigt leverer Mosaic konkurrencedygtig nøjagtighed på tværs af en række kantbenchmarktests, samtidig med at det excellerer i routing.
Desuden tilbyder Mosaic en skalerbar tilgang til kantbaserede systemer ved at udnytte kraften i distribueret spike-baseret beregning og hukommelsesbaseret routing. Med sit potentiale for at revolutionere informationsrouting inden for neuromorfiske systemer baner Mosaic vejen for mere effektive og kraftfulde AI-applikationer.
Mens feltet inden for AI hurtigt udvikler sig, peger forskningen udført af disse visionære forskere mod en ny æra af kredsløbsarkitekturer for neurale netværk. Ved at omfavne principperne i små-verdens neurale netværk sætter Mosaic scenen for forbedret effektivitet og ydeevne inden for informationsrouting, og det skubber grænserne for AI og maskinlæring.
The source of the article is from the blog j6simracing.com.br