文献

J-GLOBAL ID：202002238742166229   整理番号：20A1798656

マルチコアニューロモルフィックアーキテクチャへのスパイキングニューラルネットワークのマッピング【JST・京大機械翻訳】

Mapping spiking neural networks onto a manycore neuromorphic architecture

著者 (6件)： Lin Chit-Kwan (Intel Labs, USA) ,  Wild Andreas (Intel Labs, USA) ,  Chinya Gautham N. (Intel Labs, USA) ,  Lin Tsung-Han (Intel Labs, USA) ,  Davies Mike (Intel Labs, USA) ,  Wang Hong (Intel Labs, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： PLDI 2018  ページ： 78-89  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 筆者らは,訓練と実装ニューラルネットワーク(SNN)を実行するためのプログラマブル,オンチップ学習エンジンを特徴とする新しい多コア神経形態プロセッサであるLoihiのためのコンパイラを提示した。SNNは,(1)その独立計算ユニット,あるいは”ニューロン”の他のニューラルネットワークと区別され,スパイクメッセージだけを通して他者と通信する。(2)各ニューロンは局所学習ルールを評価し,それはスパイク到着と出発タイミングの関数であり,その局所状態を修正する。SNNの集団的ニューロン状態動力学は,計算の従来モデルとしてキャストできる非線形動的システムを形成する。Loihi上のそのようなSNNを実現するためには,各構成ニューロンを局所的に保存し,それ自身のスパイクタイミング情報を独立に更新する。しかし,各Loihiコアは,この目的のために限られた資源を持ち,これらは同じコアに割り当てられたニューロンによって共有されなければならない。本研究では,SNNのニューロンをLoihiのコアに効率的にマッピングするLoihiのコンパイラを示した。貧弱なニューロン対コアマッピングは,有意なエネルギーコストを発生でき,電力効率の高い方法でSNNをLoihiにコンパイルする欲張りアルゴリズムでこれを扱うことができることを示す。そうして,この新しいクラスのアーキテクチャのためのコンパイラの更なる開発の必要性を強調した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  コンパイラ ,  *ネットワーク ,  ニューロン ,  動的系 ,  *ニューラルネットワーク ,  演算プロセッサ ,  エネルギーコスト ,  *計算機アーキテクチャ ,  電力効率
準シソーラス用語： オンチップ ,  欲張りアルゴリズム ,  学習則 ,  *マルチコアプロセッサ ,  *スパイキングニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： コンパイラ ,  神経形態アーキテクチャ ,  神経形態計算 ,  小世界ネットワーク ,  スパイキングニューラルネットワーク

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (2件)： スパイキングニューラルネットワーク ,  マッピング