文献

J-GLOBAL ID：202202284588799786   整理番号：22A1019327

ハイブリッド可塑性を有する脳スケールS-2加速ニューロモルフィックシステム【JST・京大機械翻訳】

The BrainScaleS-2 Accelerated Neuromorphic System With Hybrid Plasticity

著者 (10件)： Pehle Christian (Electronic Visions, Kirchhoff-Institute for Physics, Heidelberg University, Heidelberg, Germany) ,  Billaudelle Sebastian (Electronic Visions, Kirchhoff-Institute for Physics, Heidelberg University, Heidelberg, Germany) ,  Cramer Benjamin (Electronic Visions, Kirchhoff-Institute for Physics, Heidelberg University, Heidelberg, Germany) ,  Kaiser Jakob (Electronic Visions, Kirchhoff-Institute for Physics, Heidelberg University, Heidelberg, Germany) ,  Schreiber Korbinian (Electronic Visions, Kirchhoff-Institute for Physics, Heidelberg University, Heidelberg, Germany) ,  Stradmann Yannik (Electronic Visions, Kirchhoff-Institute for Physics, Heidelberg University, Heidelberg, Germany) ,  Weis Johannes (Electronic Visions, Kirchhoff-Institute for Physics, Heidelberg University, Heidelberg, Germany) ,  Leibfried Aron (Electronic Visions, Kirchhoff-Institute for Physics, Heidelberg University, Heidelberg, Germany) ,  Mueller Eric (Electronic Visions, Kirchhoff-Institute for Physics, Heidelberg University, Heidelberg, Germany) ,  Schemmel Johannes (Electronic Visions, Kirchhoff-Institute for Physics, Heidelberg University, Heidelberg, Germany)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 16  ページ： 795876  発行年： 2022年 
JST資料番号： U7087A  ISSN： 1662-453X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 電子部品による情報処理の開始以来,神経系は計算プリミティブの組織化のためのメタファとして役立った。今日,脳に触発されたコンピューティングは,True North,SpiNNker,BrainScaleS,Tianjic,およびLoihiのような大規模神経形態構造を研究するために,計算のために新しいナノデバイスを使用するアプローチのクラスを包含している。実装の詳細は異なっているが,ニューラルネットワークの第三世代として参照されるニューラルネットワーク-メッセージは,そのようなシステムによる計算をモデル化するために用いられる一般的な抽象化である。ここでは,脳ScaleS神経形態学的アーキテクチャの第二世代を記述し,このアーキテクチャにより可能な応用を強調した。それは,厳密に結合したディジタルプロセッサとディジタルイベントルーティングネットワークによるバイオインスパイアードスパイキングニューラルネットワークプリミティブの加速された物理的エミュレーションをサポートするカスタムアナログ加速器コアを結合した。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 加速器 ,  *塑性 ,  情報処理 ,  ネットワーク ,  *脳 ,  ニューラルネットワーク ,  電子部品 ,  モデリング ,  経路選定 ,  エミュレーション ,  演算プロセッサ ,  計算機アーキテクチャ ,  メタファ
準シソーラス用語： ナノデバイス ,  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)： 神経形態計算 ,  物理モデリング ,  神経科学的モデリング ,  スパイキングニューラルネットワーク加速器 ,  塑性

分類 (1件)： ニューロコンピュータ  (JC06010Q)

引用文献 (84件)：

• Aamir S. A., Müller P., Kiene G., Kriener L., Stradmann Y., Grübl A., et al. (2018a). A mixed-signal structured AdEx neuron for accelerated neuromorphic cores. IEEE Trans. Biomed. Circ. Syst. 12, 1027-1037. doi: 10.1109/TBCAS.2018.2848203
• Aamir S. A., Stradmann Y., Müller P., Pehle C., Hartel A., Grübl A., et al. (2018b). An accelerated LIF neuronal network array for a large-scale mixed-signal neuromorphic architecture. IEEE Trans. Circ. Syst. 65, 4299-4312. doi: 10.1109/TCSI.2018.2840718
• Barnett L., Lizier J. T., Harré M., Seth A. K., Bossomaier T. (2013). Information flow in a kinetic ising model peaks in the disordered phase. Phys. Rev. Lett. 111, 177203. doi: 10.1103/PhysRevLett.111.177203
• Barton P. I., Lee C. K. (2002). Modeling, simulation, sensitivity analysis, and optimization of hybrid systems. ACM Trans. Model. Comput. Simul. 12, 256-289. doi: 10.1145/643120.643122
• Bellec G., Salaj D., Subramoney A., Legenstein R., Maass W. (2018). Long short-term memory and learning-to-learn in networks of spiking neurons. arXiv preprint arXiv:1803.09574. doi: 10.1145/643120.643122

タイトルに関連する用語 (4件)： 可塑性 ,  脳 ,  スケール ,  加速