.png){kind=icon}
返回
Neuromorphic computing for energy-efficient machine intelligence
.png){kind=icon}
PRE
AI
DOI：10.1088/2631-8695/ae1d0c.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
神经形态计算作为一种克服机器智能日益增长的能源需求的手段，已引起产业界和研究界的高度关注。神经形态系统通过模拟人脑高效能神经处理的功能，提供了有前景的计算方法。本文探讨了人工智能（AI）系统中能效的重要性，考察了传统AI架构的潜在问题，并强调了神经形态计算作为可持续解决方案的重要性。同时，本文概述了神经形态系统的工作原理、脉冲神经网络（SNN）的实现及其相较于传统计算架构的比较优势。此外，本文还研究了多个实际应用，以评估神经形态计算执行实时和高效能操作的能力。尽管神经形态系统具有显著优势，但仍面临材料开发、制造技术、大规模部署以及缺乏标准软件工具等多重挑战。最后，本文概述了潜在的研究方向，以探索神经形态计算在下一代AI系统中的作用。
Keyword:
neuromorphic computing
energy-efficient AI
machine intelligence
brain-inspired computing
low-power AI systems
期刊
E
IF:
1.6
论文数:
2.1K
被引数:
0
机构
引用论文
Artificial intelligence and energy intensity in China’s industrial sector: Effect and transmission channel人工智能与中国工业部门能源强度: 效应与传导渠道
OAAI
OAAI分享收藏Efficient Acceleration of Deep Learning Inference on Resource-Constrained Edge Devices: A Review资源受限边缘设备上深度学习推理的高效加速: 综述.png)
PROCEEDINGS OF THE IEEE
OAAI
PROCEEDINGS OF THE IEEEIF25.9
OAAI分享收藏分享收藏
查看更多内容