بیوفوتونیک با شکوفه ساتری

بیوفوتونیک با شکوفه ساتری

محاسبات نورومورفیک

معرفی

در محاسبات نورومورفیک ، علاقه به کارهای پردازش شدید داده که شبکه های عصبی مصنوعی (ANN) با الهام از مغز ، بسیار قدرتمند نشان داده اند ، افزایش یافته است. تقاضا برای هوش مصنوعی (AI) و سیستم های یادگیری ماشین ، با استفاده از ANNs برای بهره برداری ، به طور چشمگیری با برنامه های چالش برانگیز (به عنوان مثال دستیاران هوش مصنوعی ، وسایل نقلیه مستقل ، داده های بزرگ ، پیش بینی های هواشناسی و رباتیک های کمکی) منفجر شده است 2،3،4. 

یکپارچه سازی نوری فوق العاده سریع و طبقه بندی الگو برای فوتونیک نورومورفیک بر اساس سلولهای عصبی VCSEL

خلاصه

در دنیای داده محور امروز ، توانایی پردازش حجم زیاد داده بسیار مهم است. وظایف کلیدی ، مانند شناسایی الگو و طبقه بندی تصویر ، برای شبکه های عصبی مصنوعی (ANN) که از مغز الهام گرفته شده اند بسیار مناسب است. رویکردهای محاسباتی نورومورفیک با هدف تحقق فیزیکی شبکه های عصبی عصبی به طور سنتی توسط سیستم عامل های میکرو الکترونیکی پشتیبانی می شود ، اما اخیراً ، تکنیک های فوتونیک برای شبیه سازی عصبی با توجه به ویژگی های منحصر به فرد آنها (به عنوان مثال عملیات فوق سریع ، پهنای باند بزرگ ، مکالمه کم) ظهور کرده اند. 

آغازگر فوتونیک

چکیده

این فصل بر انتشار نور در راهنماهای موج تمرکز دارد: ساختارهای ماده ویژه ای که انتشار نور را با بازده تقریباً کامل محدود و هدایت می کنند. موجبرها را می توان سیمهایی برای نور دانست. آنها امکان ارسال سیگنال های نوری در مسافت های طولانی در فیبر نوری را دارند و اجازه می دهند مدارها و سیستم های فوتونی بزرگتری روی تراشه های یکپارچه ساخته شوند. 

فوتونیک نورومورفیک

چکیده

مهندسی نورومورفیک با ساختن پل فیزیک و زیست شناسی با سیستم عامل های مهندسی و افزایش عملکرد برای برنامه های متقابل با محیط های طبیعی مانند بینایی و گفتار ، مهندسی نورومورفیک را ایجاد می کند. نمایش اطلاعات می تواند تأثیر بسزایی در پردازش اطلاعات داشته باشد. در آنچه که نسل سوم الکترونیک نورومورفیک در نظر گرفته می شود ، رویکردها با استفاده از سیگنال های چرخشی نمونه برداری می شوند. 

مهندسی نورومورفیک

مهندسی نورومورفیک ، همچنین به عنوان محاسبات نورومورفیک شناخته می شود ،  استفاده از سیستم های یکپارچه سازی در مقیاس بسیار بزرگ (VLSI) حاوی مدارهای الکترونیکی آنالوگ برای تقلید از ساختارهای عصبی بیولوژیکی موجود در سیستم عصبی است. در چند وقت اخیر ، اصطلاح نورومورفیک برای توصیف سیستم های آنالوگ ، دیجیتال ، حالت مختلط آنالوگ / دیجیتال VLSI و نرم افزاری که مدل های سیستم های عصبی را اجرا می کنند (برای درک ، کنترل حرکتی یا ادغام چند حسی) استفاده شده است. پیاده سازی محاسبات نورومورفیک در سطح سخت افزاری را می توان توسط ممریستورهای مبتنی بر اکسید ، حافظه اسپینترونیک ، سوئیچ های آستانه ای و ترانزیستورها تحقق بخشید.

یک جنبه اصلی مهندسی نورومورفیک ، درک نحوه شکل گیری تک تک سلول های عصبی ، مدارها ، برنامه ها و معماری کلی ، ایجاد محاسبات مطلوب است ، بر نحوه نمایش اطلاعات تأثیر می گذارد ، بر استحکام آسیب تأثیر می گذارد ، شامل یادگیری و توسعه است ، با تغییرات محلی (انعطاف پذیری) سازگار است ، و تغییرات تکاملی را تسهیل می کند.

مهندسی نورومورفیک موضوعی میان رشته ای است که با الهام از زیست ، فیزیک ، ریاضیات ، علوم کامپیوتر و مهندسی الکترونیک برای طراحی سیستم های عصبی مصنوعی ، مانند سیستم های بینایی ، سیستم های چشم ، پردازنده های شنوایی و ربات های خودمختار ، که فیزیکی آنها اصول معماری و طراحی بر اساس اصول سیستم عصبی بیولوژیکی است.  در اواخر دهه 1980 توسط کارور مید ساخته شد.

فوتونیک نورومورفیک

مهندسی نورومورفیک. پردازش سنبله فوتونیک. سیستم عامل های فناوری برای معماری نورومورفیک. چالش هایی برای سیستم عامل های فوتونیک نوظهور. تاریخچه مختصر اپتیک در محاسبات. منطق نوری شبکه های عصبی نوری. شبکه های نوری روی تراشه. دامنه های برنامه پردازش فرکانس رادیویی در زمان واقعی. برنامه نویسی غیرخطی سازمان این کتاب منابع. آغازگر پردازش سنبله و تحریک پذیری. آشنایی با شبکه های عصبی. افزایش شبکه های عصبی. مدل عصبی سنبله دار. مکانیسم های تحریک پذیری. 

فوتونیک نورومورفیک

این کتاب قصد دارد پل هایی را بین حوزه های فیزیک دستگاه فوتونیک و شبکه های عصبی ایجاد کند ، و یک نمای کلی از زمینه در حال ظهور "فوتونیک نورومورفیک" ارائه می دهد. این شامل یک بحث کامل در مورد تکامل فوتونیک نورومورفیک از ظهور نورون های فیبر نوری به مدرن ترین سلول های عصبی لیزر امروزی است ، که تمرکز فعلی تحقیقات بین المللی است. Neuromorphic Photonics معماری ها و دستگاه های اتصال متقاضی شبکه های عصبی منحصر به فرد ، همراه با قابلیت های کلیدی مانند یادگیری را کاوش می کند. این مقاله در سطحی قابل دسترسی برای دانشجویان تحصیلات تکمیلی نوشته شده است ، ضمن اینکه قصد دارد به عنوان مرجعی جامع برای متخصصان این رشته باشد.

فوتونیک برای هوش مصنوعی و محاسبات نورومورفیک

فوتونیک برای هوش مصنوعی و محاسبات نورومورفیک

ترجمه با تیم مهندس شکوفه ساتری

چکیده

تحقیقات در زمینه محاسبات فوتونیک به دلیل تکثیر اجزای الکترونیکی الکترونیکی در سیستم عامل های تلفیقی فوتونیک رونق یافته است. مدارهای تلفیقی فوتونی ، شبکه های عصبی مصنوعی فوق سریع را فعال کرده و چارچوبی را برای کلاس جدیدی از ماشین های پردازش اطلاعات فراهم می کنند.  

فوتونیک سیلیکون نورومورفیک برای هوش مصنوعی

چکیده

تحقیقات اخیر در زمینه فوتونیک نورومورفیک ، به عنوان مثال معماری نورومورفیک بر روی سیستم عامل های فوتونیک ، علاقه زیادی را به خود جلب کرده است تا بتواند از پهنای باند ، تأخیر کم و برنامه های کم انرژی شبکه های عصبی در یادگیری ماشین و محاسبات نورومورفیک استفاده کند. اگرچه الکترونیک می تواند با مقیاس های زمانی بیولوژیکی مطابقت داشته و از آنها فراتر رود ، اما در نهایت به محدودیت های پهنای باند می رسند.