Genesis：一种集成在芯片上的持续学习脉冲神经器件加速器
计算工程、金融与科学
2026-03-24 v3
摘要
持续学习是模型一生中获取和传递知识的能力，这对于在真实环境中与之交互的人工智能体至关重要。生物大脑天然具备这些能力，同时在有限的能源和资源预算下运行。实现人工系统中的持续学习能力显著增加内存和计算需求，部署在资源有限的平台上时更是如此。在本工作中，提出了Genesis，一款脉冲持续学习加速器，以解决这一差距。该架构支持类神经机制，如活动依赖的 metaplasticity，以缓解灾难性遗忘。它集成低精度持续学习参数，并采用自定义的数据移动策略以适应稀疏分布的脉冲。此外，该架构采用一种内存映射技术，将 metaplasticity 参数和突触权重放在单个地址位置，以实现更快的内存访问。结果表明，Genesis在65nm工艺节点上以17.08mW的功耗，在任务无关的split-MNIST基准测试中实现74.6%的平均分类准确率。
引用
@article{arxiv.2509.05857,
title = {Reverse Engineering of Additively Manufactured Parts: Integrating 3D Scanning and Simulation-Driven Distortion Compensation},
author = {Jannatul Bushra and Md Habibor Rahman and Mohammed Shafae and Hannah D. Budinoff},
journal= {arXiv preprint arXiv:2509.05857},
year = {2026}
}
备注
25 pages, 6 figures