Pređi na sadržaj

Neuromorfno inženjerstvo

S Vikipedije, slobodne enciklopedije

Neuromorfno računarstvo je pristup računarstvu koji je inspirisan strukturom i funkcijom ljudskih moždanih ćelija. [1] [2] [3] Neuromorfni računar ili čip je svaki uređaj koji koristi fizičke veštačke neurone (napravljene od silicijuma) za obavljanje proračuna. [4] [5] Danas, termin neuromorfni se koristi za opisivanje analognog, digitalnog, analognog/digitalnog VLSI sistema koji implementiraju modele neuronskih sistema (za percepciju, kontrolu motora ili više-senzornu integraciju ). Implementacija neuromorfnog računarstva na nivou hardvera može se realizovati pomoću pompornik zasnovanih na oksidu, [6] spintronskih memorija, pragova prekidača, tranzistoria, [7] [5] između ostalog. Obučavanje softverskih neuromorfnih sistema, kao što je spajking neuronska mreža, može se postići korišćenjem propagacije greške unazad, na primer, korišćenjem Pajton osnovnih biblioteka kao što je snnTorch, [8] ili korišćenjem kanonskih pravila učenja iz literature o biološkom učenju, primer bi bio korišćenjem BindsNet-a. [9]

Važan aspekt neuromorfnog inženjeringa je razumevanje kako morfologija pojedinačnih neurona, kola, aplikacija i sveukupne arhitekture može da izvrši poželjne proračune, utiče na to kako se informacije predstavljaju, utiče na pozdanost, uključuje učenje i razvoj, prilagođava se lokalnim promenama i olakšava evolucionu promenu.

Neuromorfno inženjerstvo je interdisciplinarni predmet koji je inspirisan biologijuom, fizikom, matematikom, računarstvom i elektronskim inženjerstvom [5] za projektovanje veštačkih neuronskih sistema, kao što su računarski vid (koji je inspirisan sistemom glave-oka), slušni procesori (ovo su aplikacije koje omogućavaju diktiranje teksta [eng. speach to text]) i autonomni roboti, čiji fizički principi arhitekture i dizajna zasnovani su na principima biološkog nervnog sistema. [10] Jednu od prvih aplikacija za neuromorfni inženjering predložio je Carver Mead [11] kasnih 1980-ih.

Neurološka inspiracija[uredi | uredi izvor]

Neuromorfni inženjering je inspirisana saznanjima o strukturom moždanih ćelija i načinom kako moždane ćelije obrađuju operacije. Neuromorfni inženjering sa navedenim sažnanjima, želi da primeni ova saznanja u računarskim sisteme. Rad se uglavnom fokusirao na repliciranje analogne prirode biološkog računanja i uloge saznanjima o neuronima .

Biološki procesi neurona i njihovih sinapsi su mnogo složeni, zato je veoma teško veštački simulirati. Ključna karakteristika biološkog mozga je da sva obrada u neuronima koristi analogne hemijske signale . Ovo otežava repliciranje mozgova u računarima jer je trenutna generacija računara potpuno digitalna. Moguće je digitalni signal pretvoriti u anlagni i obratno (koristeći digitalno-analogni pretvarač), ali nije moguće idelno pretvoriti analogni signal u digitalni(tj. postoje gubici). Zato se ovo radi na drugački način (tj. bez digitalnog-analognog pretvarača.. Karakteristike ovih delova mogu se apstrahovati u matematičke funkcije koje blisko obuhvataju suštinu operacija neurona.

Neuromorfnog računarstva nema za cilj da savršeno oponaša mozak i sve funkcijonalnosti moždanih ćelija, već umesto toga da koristi ono što je poznato o moždanoj strukturi i moždanim operacijama da bi se koristilo u praktičnom računarskom sistemu. Nijedan neuromorfni sistem neće pokušati da reprodukuje svaki element neurona i sinapsi, ali svi se pridržavaju da je računanje visoko distribuirano kroz niz malih računarskih elemenata analognih neuronu. Istraživači tragaju ka ovom cilju koristeći različite načinima. [12]

Primeri[uredi | uredi izvor]

Početkom 2006. istraživači sa Georgia Tech-a objavili su terenski programabilni neuronski niz. [13] Ovaj čip je bio prvi u nizu sve složenijih nizova tranzistora sa floating kapijama koji su omogućili programiranje naelektrisanja na vratima MOSFET -a za modeliranje karakteristika jonizovanih kanala neurona u mozgu i bio je jedan od prvih slučajeva silicijumskog programabilnog (eng. silicon programmable array of neurons) niza neurona.

U novembru 2011, grupa istraživača sa MIT -a napravila je kompjuterski čip koji oponaša analognu komunikaciju, ova kuminkacija se zasnovana na jonima u sinapsama, između dva neurona koristeći 400 tranzistora i standardnu CMOS tehnologiju. [14] [15]

U junu 2012, spintronički (eng. spintronic) istraživači na Univerzitetu Purdue predstavili su rad o dizajnu neuromorfnog čipa koristeći bočne spin ventile(eng. lateral spin valves) i pompornik. Oni tvrde da arhitektura funkcioniše slično neuronima i da se stoga može koristiti za testiranje metoda reprodukcije moždane obrade. Pored toga, ovi čipovi su znatno energetski efikasniji od konvencionalnih(primer procesor opšte namene koji se nalazi u računarima). [16]

Istraživanje u HP Labs on Mott pompornik pokazalo je da iako mogu biti ne-nestabilnii(nije potrebno napajnje da bi sačuvalo podatke), isparljivo ponašanje koje se pokazuje na temperaturama znatno ispod temperature faznog prelaza može se iskoristiti za proizvodnju pompornika, [17] biološki inspirisanog uređaja koji oponaša pronađeno ponašanje u neuronima. [17] U septembru 2013. godine, predstavili su modele i simulacije koje pokazuju kako se ponašanje ovih pompornika može koristiti za formiranje komponenti potrebnih za Tjuringovu mašinu . [18]

Neuronska mreža, koju je napravio Mozgovi na Silicijumu (eng. Brains in Silicon)na Univerzitetu Stanford, [19] je primer hardvera dizajniranog korišćenjem principa neuromorfnog inženjeringa. Ploča se sastoji od 16 posebno dizajniranih čipova, koji se nazivaju NeuroCores. Svako analogno kolo NeuroCores je dizajnirano da oponaša moždane ćelije sa 65536 neurona, maksimizirajući energetsku efikasnost. Opnašani neuroni su povezani pomoću digitalnih kola dizajniranih da maksimiziraju brzu propusnost. [20] [21]

Istraživački projekat sa posledicama neuromorfnog inženjeringa je projekat ljudski mozak (eng. Human Brain Project) koji pokušava da simulira kompletan ljudski mozak u superkompjuteru koristeći biološke podatke. Sastoji se od grupe istraživača u oblasti neuronauke, medicine i računarstva. [22] Henry Markram, jedan od direktora na ovom projektu, izjavio je da čelnici ovog projekata predlažu uspostavljanje fondacije za istraživanje i razumevanje mozga i moždanih bolesti i da se to znanje koristi za izgradnju novih računarskih tehnologija. Tri osnovna cilja ovog projekta su bolje razumevanje moždanih ćelija i kako moždene ćelije rade zajedno (način funkcionisanja moždanih ćelija), da razumeju kako da se objektivno dijagnostikuju i leče neurološke bolesti, i da se razumevanje ljudskog mozga koristi za razvoj neuromorfnih računara. Za potrebne simulacije kompletnog ljudskog mozga je potreban superkompjuter koji je hiljadu puta moćniji od današnjeg, ovo podstiče trenutni fokus na neuromorfne računare. [23] Evropska komisija je dodelila projektu 1,3 milijarde dolara. [24]

Druga istraživanja sa posledicama na neuromorfni inženjering uključuju BRAIN Initiative [25] i TrueNorth čip iz IBM-a . [26] Neuromorfni uređaji su takođe demonstrirani korišćenjem nano kristala, nano žica i provodnih polimera. [27] Takođe postoji razvoj pompornika za kvantne neuromorfne arhitekture. [28] Godine 2022, istraživači sa MIT-a su izvestili o razvoju veštačkih sinapsi inspirisanih mozgom, koristeći jonski proton ( H+
), za „analogno duboko učenje “. [29] [30]

Intel je predstavio svoj neuromorfni istraživački čip, nazvan „ Loihi “, u oktobru 2017. Čip koristi asinhronu spajking neuronsku mrežu (eng.. spiking neural network -SNN) za implementaciju prilagodljivih, samo-modifikujućih i dobro urađenih paralelnih proračuna koji se koriste za implementaciju učenja i primenu naučenog sa visokom efikasnošću. [31] [32]

IMEC, belgijski istraživački centar za nanoelektroniku, predstavio je prvi na svetu neuromorfni čip koji može da samostalno uči. Ovaj čip je inspirisan mozgom, baziran na OxRAM tehnologiji, ima sposobnost samoučenja i dokazano je da ima sposobnost da komponuje muziku. [33] IMEC je objavio melodiju od 30 sekundi koju je komponovao prototip ovog čipa. Čip je uzastopno učitavan sa pesmama u istom vremenskom potpisu i stilu. [34]

Projekat Plavi mozak (eng. The Blue Brain Project), glavni na ovom projektu je Henry Markram, ima za cilj da izgradi biološki detaljne digitalne rekonstrukcije i simulacije mozga miša. Projekat Plavi mozak realizovan je na silicijskom čipu kao model mozak glodara, pokušavajući da replicira što više detalja o mozku glodara zasnovnao na biologiji. Simulacije zasnovane na superkompjuteru nude nove perspektive u razumevanju strukture i funkcija mozga.

Evropska unija je finansirala niz projekata na Univerzitetu Hajdelbergu, koji su doveli do razvoja BrainScaleS (mozgom inspirisano višerazmerno računanje u neuromorfnim hibridnim sistemima), hibridnog analognog neuromorfnog superkompjutera koji se nalazi na Univerzitetu Hajdelberg u Nemačkoj. Razvijen je kao deo neuromorfne računarske platforme projekata ljudski mozak (eng. Human Brain Project) i predstavlja dopunu superkompjutera SpiNNaker (koji je zasnovan na digitalnoj tehnologiji). Arhitektura koja se koristi u BrainScaleS oponaša biološke neurone i njihove veze na fizičkom nivou.

Brainchip je u oktobru 2021. objavio da prima porudžbine za svoje razvojne komplete Akida AI procesora [35] i u januaru 2022. da prima porudžbine za svoje Akida AI procesorske PCIe ploče [36], tako da su oni napravili prvi komercijalno dostupnim neuromorfnim procesorom na svetu.

Neuromorfni senzori[uredi | uredi izvor]

Koncept neuromorfnih sistema može se proširiti na senzore (ne samo na računanje). Primer ovoga koji se primenjuje na detekciju svetlosti je retinomorphic senzor ili kamera za događaje . 2022. godine, istraživači sa Max Planck Institute for Polymer research prijavili su organski veštački šiljasti neuron koji pokazuje raznovrsnost signala bioloških neurona dok radi u biološkom wetware-u, omogućavajući tako in-situ neuromorphic sensing (senzori koji oponašaju ljudska čula) i aplikacije za biointerfejs. [37] [38]

Etička razmatranja[uredi | uredi izvor]

Neuromorfno inženjerstvo razmatra više naučne oblasti(kao što si matematika, fizika, račubnarske nauke, elektronika i bioligija). Koncept neuromorfnog inženjeringa je relativno nov, mnoga od istih etičkih razmatranja važe za neuromorfne sisteme kao i za mašine slične ljudima i veštačku inteligenciju. Međutim, činjenica da su neuromorfni sistemi dizajnirani da oponašaju ljudski mozak dovodi do jedinstvenih etičkih pitanja u vezi sa njihovom upotrebom.

Praktična debata je da su neuromorfni hardver kao i veštačke „neuronske mreže“ izuzetno pojednostavljeni modeli kako mozak radi ili obrađuje informacije na mnogo nižoj složenosti u smislu veličine i funkcionalne tehnologije i mnogo pravilnije strukture u smislu povezanost . Porediti neuromorfnih čipova sa mozgom je veoma grubo poređenje, to je slično poređenje aviona i ptice. Avion i ptica imaju krila i rep, ali su drugačijeg materija krilo i rep aviona od krila i repa kod ptica. Činjenica je da su biološki neuronski kognitivni sistemi za mnogo redova veličine energetski i računarski efikasniji od trenutne najsavremenije veštačke inteligencije, a neuromorfni inženjering je pokušava da smanji ovu razliku koja je inspirisana moždanog mehanizma, baš kao i mnogi inženjeri. dizajni pomaže bioinženjering.

Društvena zabrinutost[uredi | uredi izvor]

Značajna etička ograničenja mogu biti stavljena na neuromorfni inženjering zbog percepcije javnosti. [39] Specijalni Eurobarometar 382: Istraživanje koje je sprovela Evropska komisija, pokazalo je da 60 odsto građana Evropske unije želi da zabrani robotima da brinu o deci, starijim osobama ili osobama sa invaliditetom. 34% posto građana je bilo za zabranu robota u obrazovanju, 27% u zdravstvu i 20% u slobodno vreme. Evropska komisija klasifikuje ove oblasti kao „ljudske“. Izveštaj navodi povećanu zabrinutost javnosti za robote koji su u stanju da oponašaju ljudske funkcije. Neuromorfni inženjering, po definiciji, ima za cilj da dizajnira i da oponaša funkcije ljudskog mozga. [40]

Društveni problemi oko neuromorfnog inženjeringa će verovatno postati još dublji u budućnosti. Evropska komisija je otkrila da građani Evropdke unije između 15 i 24 godine češće misle o robotima kao o ljudima (za razliku od onih koji su slični instrumentima) nego građani EU stariji od 55 godina. Kada je predstavljena slika robota koja je definisana kao čovekolikog, 75% građana EU starosti od 15 do 24 godine reklo je da odgovara njihovoj ideji o robotima, dok je samo 57% građana EU starijih od 55 godina odgovorilo isto način. Ljudska priroda neuromorfnih sistema bi ih stoga mogla svrstati u kategorije robota koji bi mnogi građani EU želeli da budu zabranjeni u budućnosti. [40]

Dvostruka upotreba (vojne aplikacije)[uredi | uredi izvor]

Zajednički centar za veštačku inteligenciju, ogranak američke vojske, je centar posvećen nabavci i primeni softvera veštačke inteligencije i neuromorfnog hardvera za borbenu upotrebu. Specifične aplikacije uključuju pametne slušalice/naočare i robote. JAIC namerava da se u velikoj meri osloni na neuromorfnu tehnologiju da poveže "svaki senzor (sa) svakim strelcem (eng. every sensors (to) every shooter)" u okviru mreže jedinica sa omogućenim neuromorfima.

Pravna razmatranja[uredi | uredi izvor]

Skeptici su tvrdili da ne postoji način da se elektronska ličnost, koncept ličnosti koji bi se primenio na neuromorfnu tehnologiju, legalno primeni. U pismu koje je potpisalo 285 stručnjaka za pravo, robotiku, medicinu i etiku protiv predloga Evropske komisije da se „pametni roboti“ priznaju kao pravna lica, autori pišu: „Pravni status robota ne može proizaći iz fizičkog lica model, pošto bi robot tada imao ljudska prava, kao što su pravo na dostojanstvo, pravo na njegov integritet, pravo na naknadu ili pravo na državljanstvo, čime bi se direktno suprotstavljao ljudskim pravima. To bi bilo u suprotnosti sa Poveljom o osnovnim pravima Evropske unije i Konvencijom za zaštitu ljudskih prava i osnovnih sloboda .” [41]

Vlasništvo i imovinska prava[uredi | uredi izvor]

Postoji značajna pravna debata oko imovinskih prava i veštačke inteligencije. U Acohs Pty Ltd v. Ucorp Pty Ltd, sudija Kristofer Džesup (eng. Christopher Jessup) iz Federalnog suda u Australiji je otkrio da izvorni kod za listove sa podacima o bezbednosti materijala ne može biti zaštićen autorskim pravima jer je generisan softverskim interfejsom, a ne ljudskim autorom. [42] Isto pitanje se može primeniti i na neuromorfne sisteme: ako neuromorfni sistem uspešno oponaša ljudski mozak i proizvodi originalno delo, ko bi, ako iko, trebalo da bude u stanju da traži vlasništvo nad delom? [43]

Neuromeristivni sistemi[uredi | uredi izvor]

Neuromeristivni sistemi su podklasa neuromorfnih računarskih sistema koji se fokusiraju na upotrebu pompornika za implementaciju neuroplastičnosti . Dok se neuromorfni inženjering fokusira na oponašanje biološkog ponašanja, neuromemristivni sistemi se fokusiraju na apstrakciju. [44] Na primer, neuromeristivni sistem može da zameni detalje ponašanja kortikalnog mikrokola sa apstraktnim modelom neuronske mreže. [45]

Postoji nekoliko logičkih funkcija koji su inspirisani neuronima [6] implementiranih sa pompornikom koji se nalaze u aplikacijama za prepoznavanje obrazaca visokog nivoa. Neke od nedavno prijavljenih aplikacija uključuju prepoznavanje govora, [46] prepoznavanje lica [47] i prepoznavanje objekata . [48] Takođe mogu se primeniti za zamenu konvencionalnih digitalnih logičkih kapija. [49] [50]

Za (kvazi)idealna pasivna pompornikova kola postoji tačna jednačina (Caravelil-Traversa-Di Ventra jednačina) za unutrašnju memoriju kola: [51] [52]

u funkciji osobina fizičke memristivne (eng. memristive) mreže i spoljašnjih izvora. U slučaju idealnih pompornika, . U gornjoj jednačini, je konstanta vremenske skale "zaboravljanja", je odnos isključenih i uključenih vrednosti graničnih otpora pompornika, je vektor izvora kola i je projektor na osnovnim petljama kola. Konstanta ima dimenziju napona i povezan je sa svojstvima pompornika ; njegovo fizičko poreklo je pokretljivost naelektrisanja u provodniku. Dijagonalna matrica i vektor i respektivno, su umesto interne vrednosti pompornika, sa vrednostima između 0 i 1. Ova jednačina stoga zahteva dodavanje dodatnih ograničenja na vrednosti memorije da bi bila pouzdana. Nedavno je pokazano da gornja jednačina pokazuje fenomen tuneliranja (eng. tunneling). [52]

Reference[uredi | uredi izvor]

  1. ^ Imran, Talha; Facebook; Twitter; Pinterest; Email; Apps, Other (2023-01-04). „What is Neuromorphic Computing ? How does Neuromorphic Computing work”. Ai Future Way (na jeziku: engleski). Pristupljeno 2023-01-11. 
  2. ^ Ham, Donhee; Park, Hongkun; Hwang, Sungwoo; Kim, Kinam (2021). „Neuromorphic electronics based on copying and pasting the brain”. Nature Electronics (na jeziku: engleski). 4 (9): 635—644. ISSN 2520-1131. doi:10.1038/s41928-021-00646-1. 
  3. ^ van de Burgt, Yoeri; Lubberman, Ewout; Fuller, Elliot J.; Keene, Scott T.; Faria, Grégorio C.; Agarwal, Sapan; Marinella, Matthew J.; Alec Talin, A.; Salleo, Alberto (april 2017). „A non-volatile organic electrochemical device as a low-voltage artificial synapse for neuromorphic computing”. Nature Materials (na jeziku: engleski). 16 (4): 414—418. Bibcode:2017NatMa..16..414V. ISSN 1476-4660. PMID 28218920. doi:10.1038/nmat4856. 
  4. ^ Mead, Carver (1990). „Neuromorphic electronic systems” (PDF). Proceedings of the IEEE. 78 (10): 1629—1636. doi:10.1109/5.58356. 
  5. ^ a b v „Neuromorphic Circuits With Neural Modulation Enhancing the Information Content of Neural Signaling | International Conference on Neuromorphic Systems 2020” (na jeziku: engleski). doi:10.1145/3407197.3407204 Slobodan pristup. 
  6. ^ a b Maan, A. K.; Jayadevi, D. A.; James, A. P. (2016-01-01). „A Survey of Memristive Threshold Logic Circuits”. IEEE Transactions on Neural Networks and Learning Systems. PP (99): 1734—1746. Bibcode:2016arXiv160407121M. ISSN 2162-237X. PMID 27164608. arXiv:1604.07121 Slobodan pristup. doi:10.1109/TNNLS.2016.2547842. 
  7. ^ Zhou, You; Ramanathan, S. (2015-08-01). „Mott Memory and Neuromorphic Devices”. Proceedings of the IEEE. 103 (8): 1289—1310. ISSN 0018-9219. doi:10.1109/JPROC.2015.2431914. 
  8. ^ Eshraghian, Jason K.; Ward, Max; Neftci, Emre; Wang, Xinxin; Lenz, Gregor; Dwivedi, Girish; Bennamoun, Mohammed; Jeong, Doo Seok; Lu, Wei D. (1. 10. 2021). „Training Spiking Neural Networks Using Lessons from Deep Learning”. arXiv:2109.12894 Slobodan pristup. 
  9. ^ „Hananel-Hazan/bindsnet: Simulation of spiking neural networks (SNNs) using PyTorch.”. GitHub. 31. 3. 2020. 
  10. ^ Boddhu, S. K.; Gallagher, J. C. (2012). „Qualitative Functional Decomposition Analysis of Evolved Neuromorphic Flight Controllers”. Applied Computational Intelligence and Soft Computing. 2012: 1—21. doi:10.1155/2012/705483 Slobodan pristup. 
  11. ^ Mead, Carver A.; Mahowald, M. A. (1988-01-01). „A silicon model of early visual processing”. Neural Networks (na jeziku: engleski). 1 (1): 91—97. ISSN 0893-6080. doi:10.1016/0893-6080(88)90024-X. 
  12. ^ Furber, Steve (2016). „Large-scale neuromorphic computing systems”. Journal of Neural Engineering. 13 (5): 1—15. Bibcode:2016JNEng..13e1001F. PMID 27529195. doi:10.1088/1741-2560/13/5/051001 Slobodan pristup. 
  13. ^ Farquhar, Ethan; Hasler, Paul. (maj 2006). A field programmable neural array. IEEE International Symposium on Circuits and Systems. str. 4114—4117. ISBN 978-0-7803-9389-9. doi:10.1109/ISCAS.2006.1693534. 
  14. ^ „MIT creates "brain chip"”. Pristupljeno 4. 12. 2012. 
  15. ^ Poon, Chi-Sang; Zhou, Kuan (2011). „Neuromorphic silicon neurons and large-scale neural networks: challenges and opportunities”. Frontiers in Neuroscience. 5: 108. PMC 3181466 Slobodan pristup. PMID 21991244. doi:10.3389/fnins.2011.00108 Slobodan pristup. 
  16. ^ Sharad, Mrigank; Augustine, Charles. „Proposal For Neuromorphic Hardware Using Spin Devices”. arXiv:1206.3227 Slobodan pristup [cond-mat.dis-nn]. 
  17. ^ a b Pickett, M. D.; Medeiros-Ribeiro, G.; Williams, R. S. (2012). „A scalable neuristor built with Mott memristors”. Nature Materials. 12 (2): 114—7. Bibcode:2013NatMa..12..114P. PMID 23241533. doi:10.1038/nmat3510. 
  18. ^ Matthew D Pickett; R Stanley Williams (septembar 2013). „Phase transitions enable computational universality in neuristor-based cellular automata”. Nanotechnology. IOP Publishing Ltd. 24 (38). 384002. Bibcode:2013Nanot..24L4002P. PMID 23999059. doi:10.1088/0957-4484/24/38/384002. 
  19. ^ Boahen, Kwabena (24. 4. 2014). „Neurogrid: A Mixed-Analog-Digital Multichip System for Large-Scale Neural Simulations”. Proceedings of the IEEE. 102 (5): 699—716. doi:10.1109/JPROC.2014.2313565. 
  20. ^ Waldrop, M. Mitchell (2013). „Neuroelectronics: Smart connections”. Nature. 503 (7474): 22—4. Bibcode:2013Natur.503...22W. PMID 24201264. doi:10.1038/503022a Slobodan pristup. 
  21. ^ Benjamin, Ben Varkey; Peiran Gao; McQuinn, Emmett; Choudhary, Swadesh; Chandrasekaran, Anand R.; Bussat, Jean-Marie; Alvarez-Icaza, Rodrigo; Arthur, John V.; Merolla, Paul A. (2014). „Neurogrid: A Mixed-Analog-Digital Multichip System for Large-Scale Neural Simulations”. Proceedings of the IEEE. 102 (5): 699—716. doi:10.1109/JPROC.2014.2313565. 
  22. ^ „Involved Organizations”. Arhivirano iz originala 2. 3. 2013. g. Pristupljeno 22. 2. 2013. 
  23. ^ „Human Brain Project”. Pristupljeno 22. 2. 2013. 
  24. ^ „The Human Brain Project and Recruiting More Cyberwarriors”. 29. 1. 2013. Pristupljeno 22. 2. 2013. 
  25. ^ Neuromorphic computing: The machine of a new soul, The Economist, 2013-08-03
  26. ^ Modha, Dharmendra (avgust 2014). „A million spiking-neuron integrated circuit with a scalable communication network and interface”. Science. 345 (6197): 668—673. Bibcode:2014Sci...345..668M. PMID 25104385. doi:10.1126/science.1254642. 
  27. ^ Fairfield, Jessamyn (1. 3. 2017). „Smarter Machines” (PDF). 
  28. ^ Spagnolo, Michele; Morris, Joshua; Piacentini, Simone; Antesberger, Michael; Massa, Francesco; Crespi, Andrea; Ceccarelli, Francesco; Osellame, Roberto; Walther, Philip (april 2022). „Experimental photonic quantum memristor”. Nature Photonics (na jeziku: engleski). 16 (4): 318—323. Bibcode:2022NaPho..16..318S. ISSN 1749-4893. arXiv:2105.04867 Slobodan pristup. doi:10.1038/s41566-022-00973-5. 

    News article: „Erster "Quanten-Memristor" soll KI und Quantencomputer verbinden”. DER STANDARD (na jeziku: nemački). Pristupljeno 28. 4. 2022. 

    Lay summary report: „Artificial neurons go quantum with photonic circuits”. University of Vienna (na jeziku: engleski). Pristupljeno 19. 4. 2022. 
  29. ^ „'Artificial synapse' could make neural networks work more like brains”. New Scientist. Pristupljeno 21. 8. 2022. 
  30. ^ Onen, Murat; Emond, Nicolas; Wang, Baoming; Zhang, Difei; Ross, Frances M.; Li, Ju; Yildiz, Bilge; del Alamo, Jesús A. (29. 7. 2022). „Nanosecond protonic programmable resistors for analog deep learning” (PDF). Science (na jeziku: engleski). 377 (6605): 539—543. Bibcode:2022Sci...377..539O. ISSN 0036-8075. PMID 35901152. doi:10.1126/science.abp8064. 
  31. ^ Davies, Mike; et al. (16. 1. 2018). „Loihi: A Neuromorphic Manycore Processor with On-Chip Learning”. IEEE Micro. 38 (1): 82—99. doi:10.1109/MM.2018.112130359. 
  32. ^ Morris, John. „Why Intel built a neuromorphic chip”. ZDNet (na jeziku: engleski). Pristupljeno 17. 8. 2018. 
  33. ^ „Imec demonstrates self-learning neuromorphic chip that composes music”. IMEC International. Pristupljeno 1. 10. 2019. 
  34. ^ Bourzac, Katherine (23. 5. 2017). „A Neuromorphic Chip That Makes Music”. IEEE Spectrum. Pristupljeno 1. 10. 2019. 
  35. ^ „Taking Orders of Akida AI Processor Development Kits”. 21. 10. 2021. 
  36. ^ https://www.electronics-lab.com/first-mini-pciexpress-board-with-spiking-neural-network-chip/
  37. ^ Sarkar, Tanmoy; Lieberth, Katharina; Pavlou, Aristea; Frank, Thomas; Mailaender, Volker; McCulloch, Iain; Blom, Paul W. M.; Torriccelli, Fabrizio; Gkoupidenis, Paschalis (7. 11. 2022). „An organic artificial spiking neuron for in situ neuromorphic sensing and biointerfacing”. Nature Electronics (na jeziku: engleski). 5 (11): 774—783. ISSN 2520-1131. doi:10.1038/s41928-022-00859-y Slobodan pristup. 
  38. ^ „Artificial neurons emulate biological counterparts to enable synergetic operation”. Nature Electronics (na jeziku: engleski). 5 (11): 721—722. 10. 11. 2022. ISSN 2520-1131. doi:10.1038/s41928-022-00862-3. 
  39. ^ 2015 Study Panel (septembar 2016). Artificial Intelligence and Life in 2030 (PDF) (Izveštaj). Stanford University. Arhivirano iz originala (PDF) 30. 05. 2019. g. Pristupljeno 23. 03. 2023. 
  40. ^ a b European Commission (septembar 2012). „Special Eurobarometer 382: Public Attitudes Towards Robots” (PDF). European Commission. 
  41. ^ „Robotics Openletter | Open letter to the European Commission” (na jeziku: francuski). Pristupljeno 2019-05-10. 
  42. ^ Lavan. „Copyright in source code and digital products”. Lavan (na jeziku: engleski). Pristupljeno 2019-05-10. 
  43. ^ Eshraghian, Jason K. (9. 3. 2020). „Human Ownership of Artificial Creativity”. Nature Machine Intelligence. 2 (3): 157—160. doi:10.1038/s42256-020-0161-x. 
  44. ^ „002.08 N.I.C.E. Workshop 2014: Towards Intelligent Computing with Neuromemristive Circuits and Systems - Feb. 2014”. digitalops.sandia.gov. Pristupljeno 2019-08-26. 
  45. ^ C. Merkel and D. Kudithipudi, "Neuromemristive extreme learning machines for pattern classification," ISVLSI, 2014.
  46. ^ Maan, A.K.; James, A.P.; Dimitrijev, S. (2015). „Memristor pattern recogniser: isolated speech word recognition”. Electronics Letters. 51 (17): 1370—1372. Bibcode:2015ElL....51.1370M. doi:10.1049/el.2015.1428.  |hdl-pristup= zahteva |hdl= (pomoć)
  47. ^ Maan, Akshay Kumar; Kumar, Dinesh S.; James, Alex Pappachen (2014-01-01). „Memristive Threshold Logic Face Recognition”. Procedia Computer Science. 5th Annual International Conference on Biologically Inspired Cognitive Architectures, 2014 BICA. 41: 98—103. doi:10.1016/j.procs.2014.11.090 Slobodan pristup. 
  48. ^ Maan, A.K.; Kumar, D.S.; Sugathan, S.; James, A.P. (2015-10-01). „Memristive Threshold Logic Circuit Design of Fast Moving Object Detection”. IEEE Transactions on Very Large Scale Integration (VLSI) Systems. 23 (10): 2337—2341. ISSN 1063-8210. arXiv:1410.1267 Slobodan pristup. doi:10.1109/TVLSI.2014.2359801. 
  49. ^ James, A.P.; Francis, L.R.V.J.; Kumar, D.S. (2014-01-01). „Resistive Threshold Logic”. IEEE Transactions on Very Large Scale Integration (VLSI) Systems. 22 (1): 190—195. ISSN 1063-8210. arXiv:1308.0090 Slobodan pristup. doi:10.1109/TVLSI.2012.2232946. 
  50. ^ James, A.P.; Kumar, D.S.; Ajayan, A. (2015-11-01). „Threshold Logic Computing: Memristive-CMOS Circuits for Fast Fourier Transform and Vedic Multiplication”. IEEE Transactions on Very Large Scale Integration (VLSI) Systems. 23 (11): 2690—2694. ISSN 1063-8210. arXiv:1411.5255 Slobodan pristup. doi:10.1109/TVLSI.2014.2371857. 
  51. ^ Caravelli; et al. (2017). „The complex dynamics of memristive circuits: analytical results and universal slow relaxation”. Physical Review E. 95 (2): 022140. Bibcode:2017PhRvE..95b2140C. PMID 28297937. arXiv:1608.08651 Slobodan pristup. doi:10.1103/PhysRevE.95.022140. 
  52. ^ a b Caravelli; et al. (2021). „Global minimization via classical tunneling assisted by collective force field formation”. Science Advances. 7 (52): 022140. Bibcode:2021SciA....7.1542C. PMID 28297937. arXiv:1608.08651 Slobodan pristup. doi:10.1126/sciadv.abh1542. 

Spoljašnje veze[uredi | uredi izvor]

Preuzeto iz „https://sr.wikipedia.org/w/index.php?title=Неуроморфно_инжењерство&oldid=26950299”