圣路易斯华盛顿大学的研究人员提出一种自适应突触阵列,可用于改善培训机器学习(ML)的节能系统
文摘
”在本文中,我们提出一种自适应突触阵列,可用于改善培训机器学习(ML)的节能系统。模拟的整体记忆的突触数组包含元素,其中每个微尺度的动力系统,将信息存储在它的时间状态轨迹。的状态轨迹然后调制系统级学习算法,合奏轨迹是引导向最优解。我们表明,外在能量状态轨迹调制可以匹配所需的动态神经网络学习导致显著减少消能记忆更新在ML训练。因此,拟议中的突触数组在解决有着重要意义的节能培训和推理之间的不平衡阶段观察到人工智能(AI)系统。”
找到开放获取这里的技术论文。03 - 2022年出版。
梅塔,D。拉赫曼,M。、Aono k . et al。自适应突触数组使用Fowler-Nordheim动态模拟内存。Nat Commun 1670 (2022)。https://doi.org/10.1038/s41467 - 022 - 29320 - 6。
访问半导体工程的这里的技术论文库和发现更多的芯片行业学术论文。
留下一个回复