脑式芯片将更有效，需要几乎没有培训

生物剥削＆＃34; spiking＆＃34;神经网络ONA Microchip使KAUST研究人员能够为开发MoreeFight的硬件的人工智能计算系统奠定基础。

人工智能技术迅速开发，跨越高级福特，数据挖掘和口译，医疗保健和营销的新应用爆发，以令所有人。这些系统基于组成的决策节点层的数学人工神经网络（ANN）。标记的数据首先进入SystemTo＆＃34;火车＆＃34;该模型要响应某种方式，那么锁定在标准计算硬件上的决策规则并将模型投入使用。

虽然这种方法有效，但它是一个更复杂，强大，高效的神经网络的笨拙，实际上弥补了我们的大脑。

“一个ANN是一个抽象的数学模型，与真正的神经系统很少相似，需要强烈的力量，”Whenthe Guo说，博士说。研究团队的学生。另一方面，“尖刺网”是以与生物神经系统相同的方式建造和工作，并可以以更快和更快的方式处理信息。“

尖刺神经网络（SNNS）将神经系统的影子模拟为突触网络，其以动作潜力的形式传输信息维亚离子通道，或者尖峰，因为它们发生。这种事件驱动的行为，以数学方式实施为A＆＃34;泄漏融资和火模型，＆＃34;使SNNS非常节能。此外，互连节点的结构提供了高度的并行化，这使得促进了处理能力和效率。它还在计算硬件中作为神经形态芯片直接提供自身的倾斜。

“我们使用标准的低成本FPGA微芯片，实施了一系列峰值时序依赖性塑性模型，这是我们大脑中发现的外语学习规则，”郭说。

重要的是，这种生物学模型没有指出的教学信号或标签，允许神经形态计算系统在没有训练的情况下进行真实世界的数据模式。

“由于SNN模型非常复杂，因此我们宣传挑战是定制神经网络设置以获得最佳绩效性，”Guo说。 “然后，我们设计了最佳的硬件建筑审计成本，速度和能耗的平衡。” 该团队的脑脑式芯片被证明比其他新网络平台更快地比20倍更快20倍。 “我们的最终目标是建立一个紧凑，快速，低能量的脑壳硬件计算系统。 下一步是toimprove设计和优化产品包装，通过合作，将芯片小型化，并通过协作，“Guosays”为各种工业应用。 郭，W.，Yantir，H.E.，Fouda，M.E.，Eltawil，A.M。 ＆amp; 沙拉山，K.N. 朝向尖刺网络的最佳设计和FPGA实现，神经网络和学习系统的IEEE交易。 （2021）| 文章