神经形态技术的商业成功之路

科学领域:

• 计算机科学 计算机科学
• 神经科学是一个神经科学.
• 电气工程 电气工程

背景情况:

• 神经形态技术模仿生物神经系统,以实现高效的计算.
• 这些系统提供持续的实时操作和基于事件的通信.
• 以前的挑战阻碍了广泛采用和商业化.

研究的目的:

• 突出最近的进展,使得商业采用神经形态计算.
• 确定部署神经形态处理器的关键挑战和解决方案.
• 概述超低功耗神经形态技术的潜在应用.

主要方法:

• 使用基于梯度的训练用于深度尖端神经网络.
• 从模拟/混合信号过渡到数字神经形态电路设计.
• 开发内存计算设计以提高性能.

主要成果:

• 基于梯度的训练现在是通用神经形态应用的既定技术.
• 数字设计简化了部署,并保持了计算优势.
• 内存计算设计正在接近商业准备.

结论:

• 解决编程和大规模部署的挑战为神经形态处理器的商业成功铺平了道路.
• 超低功耗的神经形态技术非常适合电池驱动设备,物联网和可穿戴设备.
• 利用张量处理器和GPU的洞察力可以加速现场进展.