在神经形态硬件上实施的点神经元模型模拟的灵敏度分析

科学领域:

• 通过神经系统启发的计算.
• 计算神经科学是一种计算神经科学.

背景情况:

• 神经形态计算架构需要严格的验证.
• 将神经形态平台与传统模拟进行比较至关重要.

研究的目的:

• 建立一个框架来比较神经形态和传统的计算平台.
• 通过敏感性分析评估神经形态模型的稳定性.

主要方法:

• 使用漏洞整合和火 (LIF) 模型与小鼠视觉皮层数据.
• 验证了英特尔的Loihi神经形芯片与经典模拟相比.
• 通过单独和双重的不同模型参数进行敏感性分析.

主要成果:

• 洛伊希证明了古典模拟的高效和精确复制.
• 神经形态模型在大多数参数变异中显示出强度.
• 确定了需要精确定义模型灵敏度的特定参数.

结论:

• 开发的方法使神经形态和传统平台的有效比较成为可能.
• 英特尔的Loihi芯片在模拟神经元动态方面表现出高准确度.
• 灵敏度分析突出了未来神经形态模型改进的关键参数.