使用脉冲网络与神经形态硬件求解稳态偏微分方程
神经与进化计算
2020-05-25 v1 计算工程、金融与科学
摘要
神经形态处理器广泛并行的脉冲神经网络能够实现计算能力强大的表述。尽管近期的关注主要集中在机器学习任务上，但适用应用的范围很广且持续扩展。在此，我们利用并行和事件驱动结构，通过随机游走方法求解稳态热方程。该随机游走可完全在脉冲神经网络中使用随机神经元行为执行，我们给出了来自 IBM TrueNorth 和 Intel Loihi 实现的成果。此外，我们将该算法定位为神经形态系统的一种潜在可扩展基准。
引用
@article{arxiv.2005.10904,
title = {Solving a steady-state PDE using spiking networks and neuromorphic hardware},
author = {J. Darby Smith and William Severa and Aaron J. Hill and Leah Reeder and Brian Franke and Richard B. Lehoucq and Ojas D. Parekh and James B. Aimone},
journal= {arXiv preprint arXiv:2005.10904},
year = {2020}
}
备注
Submitted to 2020 International Conference on Neuromorphic Systems (2020 ICONS)