"시퀀스 학습을 위한 비균질 멤리스티브 하드웨어의 자가 조직화"라는 제목의 새로운 기술 논문이 취리히 대학교, 취리히 ETH, 그르노블 알프스 대학교, CEA, 레티 및 도시바 대학교의 연구원들이 발표했습니다.

“저희는 적응형 하드웨어 아키텍처인 MEMSORN(멤리스틱 자가 조직화 스파이크 순환 신경망)을 설계하고 실험적으로 시연합니다. MEMSORN은 각각 헤비안 및 항상성 가소성을 기반으로 상태를 구성하는 시냅스와 뉴런에 저항성 메모리(RRAM)를 통합합니다.”라고 논문의 초록이 설명합니다.

찾기 여기에 기술 문서. 2022년 XNUMX월 게시.

Payvand, M., Moro, F., Nomura, K. et al. 시퀀스 학습을 위한 비균질 멤리스틱 하드웨어의 자체 구성. Nat Commun 13, 5793(2022). https://doi.org/10.1038/s41467-022-33476-6.

관련 독서
스파이킹 신경망(SNN) 지식 센터
뉴로모픽 컴퓨팅: 재료, 알고리즘, 장치 및 윤리를 포함한 도전, 기회
MEMprop: 완전 Memristive SNN 훈련을 위한 기울기 기반 학습
AI 에너지 소비를 줄이는 11 가지 방법
AI를 에지로 밀어붙이려면 새로운 아키텍처, 도구 및 접근 방식이 필요합니다.