XiaoMi-AI文件搜索系统
World File Search System尖峰
生物神经元的尖峰机制可能会促进人工神经网络
图1 ：（左）生物神经元由细胞体（三角形结构）和树突（小分支）组成。输出信号通过轴突（标记为“输出”）发送到其他神经元。来自另一个神经元的传入尖峰集成在突触处，即传输轴突和树突连接的点。突触由重量（W）表示。（右）在LIF模型中，降低W会延迟神经元的输出尖峰时间，直到输入太小而无法达到阈值（橙色脉冲）（橙色脉冲），并导致输出尖峰的消失。相反，QIF模型没有这样的阈值。尖峰由膜电位的差异表示，这导致输出跨度时间对重量和输入跨度的时机的连续依赖性。信用：D。Dold/维也纳大学；由APS/ Alan Stonebraker div>改编
从压缩效率的角度来改善尖峰神经网络的稀疏结构学习
人类大脑利用尖峰进行信息传输，并动态地重组其网络结构，以提高能源效率和认知能力的整个生命周期。从这种基于尖峰的计算中汲取灵感，已开发出尖峰神经网络（SNN）来构建模仿该效率的事件驱动的模型。尽管有这些进步，但在训练和推断期间，深SNN仍遭受过度参数化，与大脑自我组织的能力形成鲜明对比。此外，由于静态修剪比率保持最佳的修剪水平，现有的稀疏SNN受到挑战，导致下降或过度修剪。在本文中，我们为深SNN提出了一种新型的两阶段动态结构学习方法，旨在从头开始进行有效的稀疏训练，同时优化压缩效率。第一阶段使用PQ索引评估了SNN中现有稀疏子网络的可压缩性，这促进了基于数据压缩见解的突触连接的重新线的自适应确定。在第二阶段，这种重新布线的比率严格告知动态突触连接过程，包括修剪和再生。这种方法显着改善了对深SNN中稀疏结构训练的探索，从压缩效率的角度来动态地调整稀疏性。我们的实验表明，这种稀疏的训练方法不仅与当前的深SNNS模型的性能保持一致，而且还显着提高了压缩稀疏SNN的效率。至关重要的是，它保留了使用稀疏模型启动培训的优势，并为将AI授予神经形态硬件的边缘提供了有前途的解决方案。
石墨烯尖峰垫和冰箱以处理抗生素耐药性...
显示出极为尖锐的石墨烯切片在表面上排成一列的插图，对健康细胞进行了消毒而不会损坏它们。 Chalmers Technology开发的杀菌石墨烯表面可能在不久的将来可在医疗设备中使用。 Yen Sandqvist提供的插图
对人皮质中直接电微刺激的神经元尖峰响应
微刺激可以调节单个神经元的活性影响行为，但是刺激对神经尖峰的影响是复杂的，并且仍然了解不足。这在人大脑中尤其具有挑战性，因为单个神经元的响应特性稀疏和异质。在这里，我们在6位参与者（3位女性）中使用人前颞叶中的微电极阵列来检查单个神经元对通过多个不同不同刺激位点进行微刺激的尖峰反应。我们证明可以使用不同的刺激位点的激发或触发来驱动单个神经元，这表明一种方法可以在单神经元水平上直接控制尖峰活动。尖峰反应在接近刺激部位的神经元中是抑制性的，而兴奋反应在空间上更为分布。一起，我们的数据表明，可以在人皮质中可靠地识别和操纵单个神经元的尖峰反应。
无线脑机接口尖峰检测算法的硬件评估
摘要 — 当前，植入式脑机接口 (BMI) 的趋势是增加通道数量，以改进信息传输速率的下一代设备。然而，这会增加有线或无线系统的原始数据带宽，最终影响功率预算（和热耗散）。因此，植入物上的特征提取和/或压缩对于降低数据速率至关重要，但处理能力令人担忧。皮层内 BMI 的一种常见特征提取技术是尖峰检测。在这项工作中，我们通过实证比较了三种硬件高效的尖峰强调器、非线性能量算子 (NEO)、幅度斜率算子 (ASO) 和导数能量 (ED) 以及两种常见的统计阈值机制（使用平均值或中位数）的性能、资源利用率和功耗。我们还提出了一种新颖的中位数近似法来解决中位数算子硬件效率不高的问题。这些都已在可重构硬件 (FPGA) 上实现和评估，以估计它们在最终 ASIC 设计中的硬件效率。我们的结果表明，采用平均阈值的 ED 提供了最高效的硬件（低功耗/资源）选择，而使用中值则具有更高的检测精度和更高的阈值乘数设置稳健性的优势。这项工作意义重大，因为它是首次实现和比较硬件和算法权衡，在将算法转化为硬件实例以设计无线植入式 BMI 之前必须做出这些权衡。
具有多尺度扩散动力学的高级离子尖峰模式
抽象的流体离子基质是成为实现神经形态回路的独特平台，其特征是它依赖于与大脑相同的水性培养基和离子信号载体。借助了离子尖峰电路的最新理论进步以及形成流体回忆录的锥体离子通道的动态电导，我们扩大了离子型电路中提出的神经元尖峰动力学的曲目。通过模型的电路包含带有双极表面电荷的通道，我们提取阶段爆发，混合模式尖峰，补品爆发和阈值可变性，所有这些都带有哺乳动物神经元典型范围内的尖峰电压和频率。由于典型的电导记忆保留时间在通道长度上的强烈依赖性，因此这些特征是可能的，使得时间表从单个尖峰到单个电路中多个尖峰的爆发不等。这些高级形式的神经元状尖峰支持探索水离子化作为神经形态回路的有趣平台。
l-sort：用于实时多渠道尖峰与本地化的高效硬件
摘要 - Spike分选对于从神经信号中提取神经元信息并了解脑功能至关重要。随着高密度微电极阵列（HDMEAS）的出现，多通道尖峰分类的挑战和机遇已经加剧。实时尖峰排序特别对于闭环大脑计算机界面（BCI）介绍至关重要，要求有效的硬件实现。本文介绍了L-Sort，这是一种用于实时多通道尖峰排序的硬件设计。利用尖峰定位技术，L-SORT可实现有效的尖峰检测和聚类，而无需在检测过程中存储原始信号。通过合并中值阈值和几何特征，L-SORT在准确性和硬件效率方面展示了有希望的结果。我们使用使用高密度神经探针（Neuropixel）记录的公开数据集评估了设计的检测和聚类精度。我们在FPGA上实施了设计，并将结果与最先进的状态进行了比较。结果表明，与其他基于FPGA的Spike分类硬件相比，我们的设计消耗了更少的硬件资源。索引术语 - Spike Anting，Spike Netization，Hardware
CMOS-MEMRISTOR混合动力突触的设计及其在耐噪声的尖峰神经网络
鉴于数据量的越来越多，有一个显着的研究重点是硬件，可提供低功耗的高计算性能。值得注意的是，神经形态计算，尤其是在利用基于CMO的硬件时，已经表现出了有希望的研究成果。此外，越来越强调新兴突触设备（例如非挥发性记忆（NVM）），目的是实现增强的能量和面积效率。在这种情况下，我们设计了一个硬件系统，该硬件系统采用了1T1R突触的一种新兴突触。Memristor的操作特性取决于其与晶体管的配置，特别是它是位于晶体管的源（MOS）还是排水口（MOS）。尽管其重要性，但基于Memristor的操作电压的1T1R配置的确定仍然不足以在现有研究中探索。为了实现无缝阵列的扩展，至关重要的是要确保单位单元格适当设计以从初始阶段可靠地操作。因此，对这种关系进行了详细研究，并提出了相应的设计规则。香料模型。使用此模型，确定最佳晶体管选择并随后通过仿真验证。为了证明神经形态计算的学习能力，实现了SNN推理加速器。此实现利用了一个基于在此过程中开发的验证的1T1R模型构建的1T1R数组。使用降低的MNIST数据集评估了精度。结果证明了受大脑功能启发的神经网络操作成功地在高精度而没有错误的硬件中实现。此外，在DNN研究中通常使用的传统ADC和DAC被DPI和LIF神经元取代，从而实现了更紧凑的设计。通过利用DPI电路的低通滤波器效应来进一步稳定该设计，从而有效地降低了噪声。
Terabrain项目：在标准计算机硬件上模拟数十亿个尖峰神经元
摘要 - 我们描述了一种计算体系结构，能够使用配备有M2处理器的普通Apple MacBook Air模拟数十亿个尖峰神经元的网络，24 GB的芯片统一内存和4TB固态磁盘。我们使用基于事件的传播方法，该方法在每个处理周期中处理系统中M神经元的N尖峰数据包。每个神经元具有C二进制输入连接，其中C可以为128或更多。在传播阶段，我们将激活的N神经元的所有靶标的激活值增加。在第二步中，我们使用激活值的直方图来确定即时的触发阈值，并选择将在下一个数据包中发射的N神经元。我们注意到，这种主动选择过程可能与大脑中的振荡活动有关，这可能具有固定在每个周期上发射的神经元百分比的功能。至关重要的是，绝对没有对体系结构的限制，因为每个神经元都可以直接与其他神经元建立联系，从而使我们可以具有前馈和反复的连接。具有M = 2 32个神经元的，这允许2 64个可能的连接，尽管实际连接性极为稀疏。 即使使用现成的硬件，模拟器也可以连续传播包数据包，每秒数千次连接数十次。 值得注意的是，所有这些都可以使用仅37瓦的能源预算，接近人脑所需的能量。 索引术语 - 启用神经网络，大脑尺度模拟，二进制重量，稀疏网络，GPU加速度，Apple M2芯片，生物成分网络，这允许2 64个可能的连接，尽管实际连接性极为稀疏。即使使用现成的硬件，模拟器也可以连续传播包数据包，每秒数千次连接数十次。值得注意的是，所有这些都可以使用仅37瓦的能源预算，接近人脑所需的能量。索引术语 - 启用神经网络，大脑尺度模拟，二进制重量，稀疏网络，GPU加速度，Apple M2芯片，生物成分网络这项工作表明使用当前的硬件可以进行大脑尺度模拟，但这需要重新思考如何实施模拟。
利用自适应噪声估计进行体内神经尖峰检测
摘要 目的. 能够从受噪声污染的相对大量的神经元中可靠地检测出神经尖峰对于可靠地解码记录的神经信息至关重要。方法. 本文首先分析了各种潜在的尖峰检测技术在体内实现的准确性和可行性。然后介绍了一种准确且计算效率高的尖峰检测模块，该模块可以自主适应记录通道统计数据的变化。主要结果. 使用合成和真实神经记录评估所选候选尖峰检测技术的准确性。在备选检测方法中，设计的检测器还在两个动物行为数据集上提供了最高的解码性能。意义. 在标准 180 nm CMOS 工艺中设计的 128 通道尖峰检测模块的实现结果是面积和功率效率最高的尖峰检测 ASIC 之一，并且在脑植入物的组织安全约束范围内运行，同时提供自适应噪声估计。