能耗降低93.3%，复旦、港大团队开发受大脑启发的动态神经网络，实现超强2D、3D视觉

AIGC动态欢迎阅读

原标题：能耗降低93.3%，复旦、港大团队开发受大脑启发的动态神经网络，实现超强2D、3D视觉
关键字：大脑,语义,噪声,动态,记忆
文章来源：人工智能学家
内容字数：0字

内容摘要：

将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯编辑 | 萝卜皮
大脑运算是动态的、具有联想能力的、高效的。它通过将输入与过去的经验联系起来，将记忆和处理融合在一起，从而进行重新配置。
相比之下，人工智能模型是静态的，无法将输入与过去的经验联系起来，并且在具有物理分离的记忆和处理的数字计算机上运行。
复旦大学、香港大学、中国科学院等机构组成的联合团队提出了一种软硬件协同设计方案，即使用忆阻器的基于语义记忆的动态神经网络。
该网络将传入的数据与存储为语义向量的过去经验相关联。网络和语义存储器分别在基于抗噪三元忆阻器的内存计算 (CIM) 和内容可寻址存储器 (CAM) 电路上物理实现。
研究人员使用 40 纳米忆阻器宏在 ResNet 和 PointNet++ 上验证了该设计，用于对 MNIST 和 ModelNet 数据集中的图像和三维点进行分类，这不仅实现了与软件相当的准确度，而且还将计算预算减少了 48.1% 和 15.9%。此外，它还降低了 77.6% 和 93.3% 的能耗。
该研究以「Semantic memory–based dyna

原文链接：能耗降低93.3%，复旦、港大团队开发受大脑启发的动态神经网络，实现超强2D、3D视觉