下一代神经形态计算;机器视觉;地震检测。
下一代神经形态计算
欧盟(EU)启动了一项新项目，以开发下一代设备神经形态计算系统。
这个项目,叫MeM-Scales他计划开发一种新型算法、设备和电路，可以再现生物神经系统的多时间尺度处理。研究结果将被用于构建神经形态计算系统，该系统可以实时处理真实世界的感官信号和数据。这些系统可能位于网络的边缘。
CEA-Leti正在协调该项目。其他成员包括Imec、IBM、苏黎世大学、CSIS、CNR、SynSense和UOG。
神经形态计算是人工智能的多种形式之一。今天最常见的人工智能类型被称为机器学习。机器学习在系统中使用神经网络，处理大量数据并识别模式。然后，网络匹配特定的模式，并学习哪些属性是重要的。当今许多基于机器学习的系统都使用传统的芯片架构，如gpu、SRAM等。
该行业也一直在研究一种被称为神经形态计算的非传统方法，但距离实现还需要几年时间。神经形态计算也可能使用神经网络。不同之处在于，该行业正试图在硅中复制大脑。目标是通过精确定时的脉冲模拟信息处理的方式。
这里有很多努力。例如，去年，Leti发表了一篇关于使用新一代内存类型ReRAM开发集成spike neural network (SNN)芯片的论文。其他人则使用基于模拟的非易失性存储器方法。snn融合了时间的概念。
memm - scales项目与snn的工作相似，只是有一点不同。它希望为边缘和其他应用开发一类新的设备。
今天，个人电脑、智能手机和其他系统产生了大量的数据。很大一部分数据在大型数据中心的服务器上处理。这些系统需要快速且耗电的芯片。
一段时间以来，该行业一直在研究可以从数据中心卸载部分处理和人工智能功能的设备。这些设备被用在系统中，这些系统位于网络边缘．据the Linley Group称，边缘设备包括为汽车市场开发的芯片，以及无人机、安全摄像头、智能手机、智能门铃和语音助手。
memm - scales项目将为边缘提供新颖的解决方案。在未来，很大一部分计算将从中央服务器卸载，并委托给网络边缘的小型控制器和智能传感器。该组织表示:“这些物联网系统必须能够可靠地工作，不中断，而且能耗非常低。”“该项目还将为不需要连接到云端的应用程序开发边缘计算处理系统。”
memm - scales项目希望开发新的存储器和设备技术，如ReRAM、薄膜晶体管(TFT)技术等。这些产品将在多个时间尺度上支持片上学习。
“memm - scales项目旨在将模拟尖峰微处理器中的神经形态计算提升到一个全新的性能水平，”CEA-Leti人工智能项目经理兼memm - scales项目协调员Elisa Vianello说。“这些跨学科的努力将导致制造一个创新的硬件/软件平台，作为未来产品的基础，将极端的电源效率与强大的认知计算能力相结合。这种新型的计算技术将打开新的视角;例如，用于高维分布式环境监测、植入式医疗诊断微芯片、可穿戴电子设备和人机界面。”
机器视觉
加州大学洛杉矶分校(UCLA)和加州纳米系统研究所(CNSI)开发了一种新的，单像素机器视觉技术用于机器学习应用。
该技术克服了传统机器视觉系统的低效率。
机器视觉系统应用于许多领域。在操作中，这些系统使用基于光学的组件来拍摄各种事件的图像。一旦图像被拍摄下来，数据就会被处理。通过机器学习算法，这些数据被用于分类和识别物体。
这个过程有时效率很低。作为回应，UCLA和CNSI设计了一种新的机器视觉解决方案。在实验室中，研究人员使用该技术对手写数字进行分类。
“与机器视觉系统中使用的传统光学组件不同，我们使用由被动像素的二维(2D)阵列组成的衍射层，其中单个像素的复值传输或反射系数是独立的可学习参数，由计算机通过深度学习和误差反向传播进行优化，”加州大学洛杉矶分校的研究人员Jingxi Li说科学的进步这是一本技术期刊。其他人对这项工作做出了贡献。
李说:“使用基于等离子体纳米天线的探测器，我们在太赫兹频谱上实验验证了这种单像素机器视觉框架，通过检测10个不同波长的衍射光的光谱功率，对手写数字图像进行光学分类，每个波长代表一个类别/数字。”“这种单像素机器视觉框架也可以扩展到其他光谱域测量系统，以实现与基于衍射网络的信息光谱编码集成的新的3D成像和传感模式。”
地震检测
洛斯阿拉莫斯国家实验室开发了一种新的机器学习模型SeismoGen改进地震探测。
SeismoGen能够生成高质量的合成地震波形。该技术可以省去地震检测中繁琐而密集的手工标注工作。
“为了验证我们生成模型的有效性，我们将其应用于俄克拉荷马州收集的地震现场数据，”洛斯阿拉莫斯国家实验室地球物理组的计算科学家、该项目的首席研究员林有左说。“通过一系列定性和定量测试和基准测试，我们发现我们的模型可以生成高质量的合成波形，并改进基于机器学习的地震检测算法。”
|
|
|
|
|
|
|
|
|
|
|
|
留下回复