imec, TU Delft y la Universidad de Twente publicaron un nuevo artículo técnico titulado “Optimización de redes neuronales basadas en eventos en arquitectura neuromórfica digital: una exploración espacial de diseño integral”.
Resumen
“Los procesadores neuromórficos prometen un procesamiento de baja latencia y eficiencia energética al adoptar novedosas metodologías de diseño inspiradas en el cerebro. Sin embargo, las soluciones neuromórficas actuales todavía luchan por rivalizar con el rendimiento y la eficiencia del área de los aceleradores de aprendizaje profundo convencionales en aplicaciones prácticas. El procesamiento de flujo de datos impulsado por eventos y la computación cercana o en memoria son las dos tendencias de diseño dominantes de los procesadores neuromórficos. Sin embargo, siguen existiendo desafíos para reducir la sobrecarga del procesamiento basado en eventos y aumentar la eficiencia del mapeo de la computación cercana o en memoria, lo que afecta directamente el rendimiento y la eficiencia del área. En este trabajo, discutimos estos desafíos y presentamos nuestra exploración de la optimización de la inferencia de redes neuronales basada en eventos en SENECA, una arquitectura neuromórfica escalable y flexible. Para abordar la sobrecarga del procesamiento impulsado por eventos, realizamos una exploración integral del espacio de diseño y proponemos agrupación de picos para reducir la energía total y la latencia. Además, introducimos la convolución en profundidad impulsada por eventos para aumentar la eficiencia del área y la latencia en redes neuronales convolucionales (CNN) en el procesador neuromórfico. Comparamos nuestra solución optimizada en tareas de detección de palabras clave, fusión de sensores, reconocimiento de dígitos y detección de objetos de alta resolución. En comparación con otros procesadores neuromórficos a gran escala de última generación, nuestras optimizaciones propuestas dan como resultado una mejora de 6 a 300 veces en la eficiencia energética, una mejora de 3 a 15 veces en la latencia y una mejora de 3 a 100 veces. en la eficiencia del área. Nuestras optimizaciones para redes neuronales basadas en eventos pueden generalizarse potencialmente a una amplia gama de procesadores neuromórficos basados en eventos”.
Encuentra la técnica papel aqui. publicado en marzo de 2024.
Xu, Yingfu, Gert-Jan van Schaik, Alexandra Dobrita, Roy Meijer, Cina Arjmand, Kanishkan Vadivel, Manolis Sifalakis, Guangzhi Tang y Amirreza Yousefzadeh. "Optimización de redes neuronales basadas en eventos en arquitectura neuromórfica digital: una exploración espacial de diseño integral". Fronteras en Neurociencia 18: 1335422.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
- PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
- PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
- PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
- Fuente: https://semiengineering.com/optimizing-event-based-neural-network-processing-for-a-neuromorphic-architecture/
