Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Memristors for Neuromorphic Circuits and Artificial Intelligence Applications
Künstliche Intelligenz (KI) hat in den letzten zehn Jahren aufgrund der ständig wachsenden Rechenleistung zahlreiche Anwendungen gefunden. Künstliche neuronale Netze sind der Struktur des Gehirns nachempfunden und bestehen aus der Verknüpfung künstlicher Neuronen durch künstliche Synapsen.
Für das Training dieser Systeme sind große Datenmengen erforderlich, und nachdem das Netz trainiert ist, kann es unvorhergesehene Daten erkennen und nützliche Informationen liefern. Die so genannten Spiking Neural Networks verhalten sich ähnlich wie die Funktionsweise des Gehirns und sind sehr energieeffizient. Bislang wurden sowohl Spiking Neural Networks als auch herkömmliche neuronale Netze in Softwareprogrammen implementiert, die auf herkömmlichen Recheneinheiten laufen.
Dieser Ansatz erfordert jedoch eine hohe Rechenleistung, einen großen physischen Raum und ist energieineffizient. Daher besteht ein zunehmendes Interesse an der Entwicklung von KI-Tools, die direkt in Hardware implementiert werden.
Die ersten Hardware-Demonstrationen basierten auf CMOS-Schaltkreisen für Neuronen und spezifischen Kommunikationsprotokollen für Synapsen. Um jedoch die Trainingsgeschwindigkeit und die Energieeffizienz weiter zu erhöhen und gleichzeitig die Systemgröße zu verringern, wird die Kombination von CMOS-Neuronen mit Memristor-Synapsen erforscht.
Der Memristor ist ein Widerstand mit Speicher, der sich ähnlich wie biologische Synapsen verhält. Dieses Buch befasst sich mit dem Stand der Technik bei neuromorphen Schaltungen, die neuronale Netze mit Memristoren für KI-Anwendungen implementieren.
