机构名称：
¥ 3.0
从单处理器到超级计算机，传统计算系统的有效载荷性能已达到自然所能承受的极限。应对“大数据”（基于或由人工智能辅助）的需求日益增长，人们对更全面地了解大脑运作的兴趣也刺激了人们努力用廉价的传统组件构建模拟生物的计算系统，并构建不同的（“神经形态”）计算系统。一方面，这些系统需要异常多的处理器，这会带来性能限制和非线性扩展。另一方面，神经元操作与传统工作负载截然不同。传统计算（包括其数学背景和物理实现）基于假设即时交互，而生物神经元系统具有“时空”行为，尽管传导时间在神经网络功能的计算模型中通常被忽略。单是这种差异就使得在技术实现中模仿生物行为变得困难。此外，计算领域的最新问题也引起了人们的注意，即时间行为也是计算系统的普遍特征。它们对生物和技术系统的一些影响已经引起人们的注意。然而，这些问题的处理是不完整/不恰当的。引入基于明可夫斯基变换的时间逻辑，可以定量地洞察这两种计算系统的运行，此外还可以自然地解释几十年前的经验现象。如果不正确考虑它们的时间行为，就不可能有效地实现生物神经系统，也不可能真正模仿生物神经系统。
论生物模拟计算系统中的时空行为
主要关键词
相关文件推荐
