能耗降低93.3%，復旦、港大團隊開發受大腦啟發的動態神經網絡，實現超強2D、3D視覺

AIGC動態歡迎閱讀

原標題：能耗降低93.3%，復旦、港大團隊開發受大腦啟發的動態神經網絡，實現超強2D、3D視覺
關鍵字：大腦,語義,噪聲,動態,記憶
文章來源：人工智能學家
內容字數：0字

內容摘要：

將 ScienceAI設為星標
第一時間掌握
新鮮的 AI for Science 資訊編輯 | 蘿卜皮
大腦運算是動態的、具有聯想能力的、高效的。它通過將輸入與過去的經驗聯系起來，將記憶和處理融合在一起，從而進行重新配置。
相比之下，人工智能模型是靜態的，無法將輸入與過去的經驗聯系起來，并且在具有物理分離的記憶和處理的數字計算機上運行。
復旦大學、香港大學、中國科學院等機構組成的聯合團隊提出了一種軟硬件協同設計方案，即使用憶阻器的基于語義記憶的動態神經網絡。
該網絡將傳入的數據與存儲為語義向量的過去經驗相關聯。網絡和語義存儲器分別在基于抗噪三元憶阻器的內存計算 (CIM) 和內容可尋址存儲器 (CAM) 電路上物理實現。
研究人員使用 40 納米憶阻器宏在 ResNet 和 PointNet++ 上驗證了該設計，用于對 MNIST 和 ModelNet 數據集中的圖像和三維點進行分類，這不僅實現了與軟件相當的準確度，而且還將計算預算減少了 48.1% 和 15.9%。此外，它還降低了 77.6% 和 93.3% 的能耗。
該研究以「Semantic memory–based dyna

原文鏈接：能耗降低93.3%，復旦、港大團隊開發受大腦啟發的動態神經網絡，實現超強2D、3D視覺

聯系作者

文章來源：人工智能學家
作者微信：
作者簡介：