最近の画期的な発見により、CEA-LETIユニバーシティグルノーブルアルプス、チューリッヒ大学、ETHチューリッヒからの研究者が、神経回路網の回路アーキテクチャに革命的なアプローチを明らかにしました。彼らの技術論文は、「Mosaic：スパイクベースのニューモルフィックシステムのためのメモリ内計算とルーティング」と題され、SNN（Spiking Neural Networks）内で効率的な情報ルーティングと計算を実現するために、分散メモリスタを活用した画期的なSystolicアーキテクチャであるMosaicを紹介しています。
研究者たちは人間の脳の連結性からヒントを得て、局所的な密度とグローバルな希薄さに特徴付けられる小世界グラフの概念を取り入れています。この原理は、さまざまな種の進化プロセスで明らかなものであり、堅牢で効率的な情報ルーティングの鍵を握っています。しかし、現行の人工ニューラルネットワーク構造は、小世界ニューラルネットワークモデルの利点を完全に取り入れていません。
Mosaicは、メモリ内計算とメモリ内ルーティングを組み合わせた新しい非フォンノイマンアーキテクチャを導入することで、このギャップを埋めます。小世界グラフのトポロジーを実装することで、MosaicはSNNのパワーを活用し、比類のないルーティング効率を実現します。研究チームの設計、製造、およびMosaicのコンポーネントの実験的デモンストレーションは、最先端の130nm CMOS技術を使用した統合メモリスタの驚異的な結果を示しています。
彼らの研究から最も重要な発見の一つは、既存のSNNハードウェアプラットフォームと比較してMosaicが実現した優れたルーティング効率です。接続性の強制的な局所性により、Mosaicはルーティング効率では少なくとも桁違いの優位性を持ちます。また、優れたルーティング性能を備えると同時に、Mosaicはさまざまなエッジベンチマークで競争力のある精度を提供します。
さらに、Mosaicは分散スパイクベースの計算とメモリ内ルーティングのパワーを活用したエッジシステムの拡張可能なアプローチを提供しています。ニューモルフィックシステムにおける情報ルーティングを革新する潜在力を持つMosaicは、より効率的でパワフルなAIアプリケーションの可能性を開拓します。
AIの領域が急速に進展する中、これらの先見的な科学者による研究は、神経回路網の回路アーキテクチャの新時代への道を指し示しています。小世界ニューラルネットワークの原理を受け入れることで、Mosaicは情報ルーティングの効率とパフォーマンスの向上のための舞台を設定し、AIと機械学習の可能性の限界を押し広げています。
The source of the article is from the blog mgz.com.tw