用于人工智能的脑启发硬件：物理模型脉冲神经网络中的加速学习
神经与进化计算
2019-10-02 v2 人工智能
新兴技术
摘要
人工智能的未来发展将受益于新颖的、非传统的脑启发计算载体。神经形态计算机旨在提供这样一种载体，以自适应、低功耗的信息处理方式复现大脑的能力。我们展示了 BrainScaleS-2 混合信号神经形态系统原型芯片的结果，该系统采用物理模型方法，使脉冲神经网络动力学相对于生物实时加速 1000 倍。利用嵌入式可塑性处理器，我们既模拟了 Pong 街机视频游戏，又实现了一种支持强化学习的局部可塑性规则，使片上神经网络能够学习玩游戏。该实验展示了所采用方法的关键方面，如加速且灵活的学习、高能量效率以及对噪声的鲁棒性。
引用
@article{arxiv.1909.11145,
title = {Brain-Inspired Hardware for Artificial Intelligence: Accelerated Learning in a Physical-Model Spiking Neural Network},
author = {Timo C. Wunderlich and Akos F. Kungl and Eric Müller and Johannes Schemmel and Mihai Petrovici},
journal= {arXiv preprint arXiv:1909.11145},
year = {2019}
}