Un nuovo documento tecnico intitolato "Self-organization of an inhomogeneous memristive hardware for sequence learning" è stato appena pubblicato dai ricercatori dell'Università di Zurigo, ETH Zurigo, Université Grenoble Alpes, CEA, Leti e Toshiba.
“Progettiamo e dimostriamo sperimentalmente un'architettura hardware adattiva Memristive Self-organizing Spiking Recurrent Neural Network (MEMSORN). MEMSORN incorpora la memoria resistiva (RRAM) nelle sue sinapsi e nei neuroni che configurano il loro stato in base rispettivamente alla plasticità hebbiana e omeostatica", afferma l'abstract dell'articolo.
Trovare il documento tecnico qui. Pubblicato ottobre 2022.
Payvand, M., Moro, F., Nomura, K. et al. Auto-organizzazione di un hardware memristivo disomogeneo per l'apprendimento delle sequenze. Nat Commun 13, 5793 (2022). https://doi.org/10.1038/s41467-022-33476-6.
Lettura correlata
Centro di conoscenza Spiking Neural Network (SNN).
Informatica neuromorfica: sfide, opportunità inclusi materiali, algoritmi, dispositivi ed etica
MEMprop: apprendimento basato sul gradiente per addestrare SNN completamente memristivi
11 modi per ridurre il consumo di energia dell'IA
Spingere l'IA al limite richiede nuove architetture, strumenti e approcci.
