机构名称：
¥ 1.0
在XXI世纪，人类被刺激面临全球挑战：气候变化，污染，清洁水，食物和能源的短缺。这些挑战将复杂的系统（例如人类社会，世界经济，城市地区，自然生态系统和地球气候）等复杂的系统（联合国大会，2015年； Martin，2007年； Martin，2007年； Harari，2018； Gentili，2021年； Gentili，2021; Gentili等，2022）。每当我们处理复杂的系统时，我们都会在其描述中遇到一些局限性，并在理解和预测其行为方面。这种局限性概述了所谓的认识论复杂性（Gentili，2023）。限制是由于计算复杂性引起的（Goldreich，2008年）：许多涉及复杂系统的计算问题都是可解决但棘手的。示例是（1）实际问题，例如调度和旅行推销员问题； （2）基本科学问题，例如Schrödinger方程和蛋白质折叠； （3）通过机器学习算法面临的模式识别问题。它们都是指数性的问题，当它们具有较大的维度时，它们会变得棘手：即使我们使用世界上最快的超级计算机，也不可能在合理的时间内确定其确切的解决方案。面对认识论复杂性，因此，计算复杂性是自然计算的有前途的策略（Rozenberg等，2012; Gentili，2023）。自然计算是一条跨学科的研究线，它从自然中汲取灵感来制定（a）新算法，提出（b）（b）计算的新材料和体系结构，以及（c）新方法和模型以了解复杂的系统。新计算体系结构和算法的富裕灵感来源是人类和动物的大脑。他们的模仿激发了神经形态工程的新兴领域，该领域有望超越常规的人工智能（AI）算法和高能量的硬件，
神经形态工程的评论和观点
主要关键词
相关文件推荐
