具脉冲星astrocyte 的神经电路：提升能源效率、容错性与记忆容量
神经与进化计算
2025-03-03 v1
摘要
在快速发展的神经计算领域，整合类似 Leaky Integrate-and-Fire Astrocyte (LIFA) 的生物学启发模型到脉冲神经网络 (SNN) 中，可增强系统的鲁棒性和性能。本文引入 LIFA 模型到 SNN 中，解决能源效率、记忆管理、路由机制和容错问题。我们的核心架构由神经元、突触和星形胞电路组成，每个星形胞支持多个神经元以实现自我修复。该聚类模型在恶劣条件下提高了容错性和运行效率。我们开发了一种将 LIFA 模型映射到容错的多核设计的路由方法，优化网络功能和效率。我们的模型在容错率上达到 81.10%，在韧性改进率上达到 18.90%，显著优于其他实现。结果验证了我们在记忆管理方面的方法，凸显其作为先进神经计算应用的稳健解决方案的潜力。星形胞的集成代表了一项重大进展，为更具韧性和可适应性的神经系统奠定了基础。
引用
@article{arxiv.2502.20492,
title = {Neuromorphic Circuits with Spiking Astrocytes for Increased Energy Efficiency, Fault Tolerance, and Memory Capacitance},
author = {Aybars Yunusoglu and Dexter Le and Murat Isik and I. Can Dikmen and Teoman Karadag},
journal= {arXiv preprint arXiv:2502.20492},
year = {2025}
}
备注
Accepted at IEEE 4th International Conference on Computing and Machine Intelligence (ICMI) 2025