Ερευνητές από το Ινστιτούτο Βιοϊατρικής Έρευνας Friedrich Miescher και το Πανεπιστήμιο Heidelberg. Μία εργασία με τίτλο "Surrogate gradients for analog neuromorphic computing", η οποία δημοσιεύθηκε στο PNAS τον Ιανουάριο του 2022, αποκάλυψε έναν τρόπο να παρακαμφθεί αυτό το πρόβλημα. Η ομάδα έδειξε ότι ένας αλγόριθμος τεχνητής νοημοσύνης, γνωστός ως spike neural networks — ο οποίος χρησιμοποιεί τα μοναδικά σήματα επικοινωνίας του εγκεφάλου, γνωστά ως spikes — μπορεί να μαθαίνει μαζί με τα τσιπ να αντισταθμίζει τις αντιστοιχίες των συσκευών. Αυτή η εργασία αποτελεί σημαντικό βήμα προς την κατεύθυνση της χρήσης AI για προσομοιωμένη νευρομορφική επεξεργασία.




Πνευματικά δικαιώματα © 2025 China Guangdong Exhibition Hall Intelligent Equipment Co., Ltd. Όλα τα δικαιώματα διατηρούνται. - Πολιτική Απορρήτου