Một bài báo kỹ thuật mới có tiêu đề “Tối ưu hóa mạng lưới thần kinh dựa trên sự kiện trên kiến ​​trúc hình thái thần kinh kỹ thuật số: khám phá không gian thiết kế toàn diện” đã được xuất bản bởi imec, TU Delft và Đại học Twente.

Tóm tắt
“Bộ xử lý thần kinh hứa hẹn xử lý có độ trễ thấp và tiết kiệm năng lượng bằng cách áp dụng các phương pháp thiết kế mới lấy cảm hứng từ não bộ. Tuy nhiên, các giải pháp mô phỏng thần kinh hiện tại vẫn gặp khó khăn trong việc cạnh tranh với hiệu suất và hiệu quả khu vực của các máy gia tốc học sâu thông thường trong các ứng dụng thực tế. Xử lý luồng dữ liệu theo hướng sự kiện và tính toán gần/trong bộ nhớ là hai xu hướng thiết kế chủ đạo của bộ xử lý mô phỏng thần kinh. Tuy nhiên, vẫn còn những thách thức trong việc giảm chi phí xử lý theo hướng sự kiện và tăng hiệu quả ánh xạ của điện toán gần/trong bộ nhớ, điều này ảnh hưởng trực tiếp đến hiệu suất và hiệu quả của khu vực. Trong công việc này, chúng tôi thảo luận về những thách thức này và trình bày khám phá của chúng tôi về việc tối ưu hóa suy luận mạng thần kinh dựa trên sự kiện trên SENECA, một kiến ​​trúc mô phỏng thần kinh linh hoạt và có thể mở rộng. Để giải quyết chi phí chung của quá trình xử lý theo sự kiện, chúng tôi thực hiện khám phá không gian thiết kế toàn diện và đề xuất nhóm đột biến để giảm tổng năng lượng và độ trễ. Hơn nữa, chúng tôi giới thiệu tích chập chiều sâu đầu tiên theo hướng sự kiện để tăng hiệu quả diện tích và độ trễ trong mạng thần kinh tích chập (CNN) trên bộ xử lý mô phỏng thần kinh. Chúng tôi đã đánh giá giải pháp tối ưu hóa của mình về các nhiệm vụ phát hiện từ khóa, kết hợp cảm biến, nhận dạng chữ số và phát hiện đối tượng có độ phân giải cao. So với các bộ xử lý biến đổi thần kinh quy mô lớn hiện đại khác, những tối ưu hóa được đề xuất của chúng tôi giúp cải thiện hiệu quả sử dụng năng lượng từ 6× đến 300×, cải thiện độ trễ từ 3× đến 15× và cải thiện 3× đến 100× về hiệu quả diện tích. Những tối ưu hóa của chúng tôi dành cho mạng thần kinh dựa trên sự kiện có thể được khái quát hóa cho nhiều bộ xử lý thần kinh dựa trên sự kiện.”

Tìm kỹ thuật giấy ở đây. được xuất bản vào tháng 2024 năm XNUMX.

Xu, Yingfu, Gert-Jan van Schaik, Alexandra Dobrita, Roy Meijer, Cina Arjmand, Kanishkan Vadivel, Manolis Sifalakis, Tangzhi Tang và Amirreza Yousefzadeh. “Tối ưu hóa mạng thần kinh dựa trên sự kiện trên kiến ​​trúc hình thái thần kinh kỹ thuật số: Khám phá không gian thiết kế toàn diện.” Biên giới trong khoa học thần kinh 18: 1335422.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://semiengineering.com/optimizing-event-based-neural-network-processing-for-a-neuromorphic-architecture/