Nat. Commun.: 一种基于滑动神经元的新型储备池计算硬件架构

Nat. Commun.: 一种基于翻转神经的新近型储存量水测算驱动程序虚拟化

随着摩尔定律的放缓，基于硅晶体管和冯诺依曼虚拟化的有别于测算驱动程序系统会在计算机科学后期造成了险恶的病态能难题。所受大脑深刻影响，基于新近方法射频元件的类脑测算致力于充分挖掘射频射频元件自身的天体物理学属病态作为测算资源从而在驱动程序不仅仅高效发挥作用各种程序语言。其里面，储存量水测算（Reservoir Computing）是一种一般而言于高效处理时序信号的程序语言，以其特有的无意识天体物理学病态质和更容易驱动程序发挥作用等优点成为国际上类脑测算应用领域的基础病态版块。

在不断更新近的深入研究里面，建模忆阻器、氢原子射频射频元件、光电射频元件等多种新近射频元件被用作储存量水系统会里面的建模模组。然而，在此之前的深入研究多半看做在工艺与射频元件不仅仅，储存量水测算驱动程序虚拟化不仅仅的创新近却十分罕见，基本虚拟化多半依赖于复杂的区外除此以外模组，比如数模转换、存储器、装置等，或存在可解释病态差、依此度低等解决办法，如何外观设计一个简洁、高效的储存量水测算驱动程序虚拟化仍然是该应用领域造成了的一大难点。

图1、翻转神经储存量水的的发展脉络，在方法上等效于循环储存量水

外观设计团队在深入研究储存量水测算的反复里面找到，在天体物理学连接海军上将一种特定的非线病态建模模组（神经电路）翻转紧紧，取得的输出等效于循环储存量水（Cyclic reservoir）插值的状态向量输出。深入研究外观设计团队通过推导驱动程序行为描述方程和循环储存量水插值在方法上得出结论该等效病态，并将这种驱动程序发挥作用形式命名为翻转神经储存量水（Rotating neurons reservoir, RNR）。翻转是自然现象里面罕见的运动，RNR理论具有一定的普适病态，该理论认为大部分翻转物体都可以被用来发挥作用与储存量水插值等效的驱动程序储存量水。

图2、基于射频元射频元件的翻转神经储存量水系统会

为了验证RNR的可行病态，深入研究外观设计团队外观设计了基于射频元射频元件的翻转神经储存量水（electrical RNR，eRNR），包括输入层、神经前后转子、建模神经三个部分。外观设计团队首先将eRNR的仿真模型应用于十阶非线病态系统会二阶benchmark任务（NARMA10），得益于驱动程序行为的非难得建模天体物理学病态质，取得了很大远胜在此之前史籍引述的二阶效果：单个eRNR的情况下，NRMSE=0.078；多个依此eRNR的情况下，NRMSE=0.055。

试验中结果表明，eRNR通过引入翻转神经的表达方式发挥作用了简洁高效的储存量水测算虚拟化，与其它储存量水系统会相比，翻转神经储存量水测算系统会节约了大量的区外除此以外模组和模组间的接口，因此降低了整个系统会搭建的成本和时脉开销，更接近于实际应用里面的需求。审稿人高度评价了该深入研究成果，认为它“有对类脑测算应用领域显现出关键影响的潜力”和“代表了储存量水测算的通向实际应用里面反复里面的一个无聊和令人兴奋的进展”。

清华大学晶体管学院唐建石副研究员、郑东升教授和格拉斯哥大学Hadi Heidari副研究员是本学术论文的主导通讯作者，清华大学晶体管学院访问副所长梁向鹏和英国剑桥大学仲亚楠为主导第一作者。该深入研究取得了国家自然科学基金嗣后、行政院国家科学嗣后员会重点生产计划、北京基础科学与技术国家深入研究里面心、科学探险奖、高精尖创新近里面心等支持。

学术论文链接：