Spike-basierte dynamische Berechnung mit asynchronem sensorisch-rechnendem neuromorphen Chip

Zusammenfassung Durch die Nachahmung der Neuronen und Synapsen des menschlichen Gehirns und die Verwendung von spiking neural networks auf neuromorphen Chips bietet neuromorphe Berechnung eine vielversprechende energieeffiziente Maschinenintelligenz. Wie man hochgradige dynamische Mechanismen des Gehirns entleihen kann, um der neuromorphen Berechnung zu helfen, energiebezogene Vorteile zu erreichen, ist eine grundlegende Frage. Diese Arbeit präsentiert ein anwendungsorientiertes Algorithmus-Software-Hardware-geplantes neuromorphes System für dieses Problem. Zunächst entwerfen und fertigen wir einen asynchronen Chip namens „Speck“, ein sensorisch-rechnendes neuromorphes System auf einem Chip. Mit einer niedrigen Prozessorkompakt-Leistungsaufnahme von 0,42 mW kann Speck die Hardware-Anforderungen der dynamischen Berechnung erfüllen: kein Eingang verbraucht keine Energie. Zweitens enthüllen wir das „dynamische Ungleichgewicht“ in spiking neural networks und entwickeln einen auf Aufmerksamkeit basierenden Rahmen, um die algorithmischen Anforderungen der dynamischen Berechnung zu erreichen: unterschiedliche Eingaben verbrauchen Energie mit großer Varianz. Zusammen demonstrieren wir ein neuromorphes System mit einer Echtzeit-Leistungsaufnahme von nur 0,70 mW. Diese Arbeit zeigt das vielversprechende Potenzial der neuromorphen Berechnung mit ihrer asynchronen, ereignisgesteuerten, spärlichen und dynamischen Natur.