新技术论文题为“经验与电阻切换自适应硬件突触neurocomputing”由英飞凌科技研究人员发表,米兰理工大学和IUNET Weebit Nano,东航Leti。
文摘
“神经系统不断地与周围的环境来完善自己的行为向最好的奖励。实现这样的学习经验是人工智能的主要挑战之一,但目前阻碍了缺乏硬件塑料适应气候变化的能力。在这里,我们提出一个仿生递归神经网络,掌握数字系统与resistive-switching突触数组的内存芯片的设备,它利用稳态Hebbian学习提高效率。所有的结果讨论了实验和理论上,提出一个概念性的框架为基准的主要结果的准确性和弹性。强化学习任务的测试建议的体系结构,研究了自主探索不断发展的环境和验证结果为“勇气号”火星探测器导航。我们也表明,与传统的深度学习技术相比,我们的内存硬件有潜力实现显著提高速度和节能。”
发现技术纸在这里。2023年3月出版。
比安奇,S。Munoz-Martin,我。,Covi、大肠等。自适应硬件与电阻切换突触经验neurocomputing。Nat Commun 1565 (2023)。https://doi.org/10.1038/s41467 - 023 - 37097 - 5。
留下一个回复