Computer Science / Emerging Technologies

'Computer Science / Emerging Technologies' 카테고리의 모든 글

총 4개의 글
시간순 정렬
No Image

1차원 분자 통신 시스템에서 두 흡수 수신기 사이의 채널 특성 분석

이 서한은 단일 전송기(TX)와 두 개의 완전 흡수 수신기(RXs) 간의 채널 반응을 분석하기 위한 일차원(1D) 확산 기반 분자 통신 시스템을 개발합니다. 환경 내 분자의 파괴를 포함하여, i) 흡수가 되는 분자의 비율, ii) 해당 충돌률, 그리고 iii) 시간이 무한대로 접근할 때 각 RX에서 흡수가 되는 분자의 극한 비율에 대한 엄격한 해석적 공식을 도출합니다. 분자가 TX에서 방출될 때 두 개의 RX가 미치는 영향을 고려하여 이를 검증하기 위해 입자 기반 시뮬레이션이 사용되었습니다. 시뮬레이션은 두 RX 간의 거리 범위를 보여주며, 이로 인해 각각의 분자 흡수가 서로에게 영향을 주지 않습니다. 또한, 두 개의 활성 RX 사이의 상호 영향력은 파괴 속도가 증가함에 따라 줄어든다는 것을 시뮬레이션이 보여줍니다.

paper AI 요약
신경  부분 합과 스파이크 네트워크-온-칩을 갖춘 저전력 재구성형 뉴로모픽 가속기

신경 부분 합과 스파이크 네트워크-온-칩을 갖춘 저전력 재구성형 뉴로모픽 가속기

다음 세대의 장치 내 AI는 에너지 효율적인 딥 뉴럴 네트워크를 필요로할 것으로 보입니다. 뇌에서 영감을 받은 스퍼킹 뉴럴 네트워크(SNN)가 유망한 후보로 식별되었습니다. 곱셈이 필요하지 않게 함으로써 에너지 소모를 크게 줄일 수 있습니다. 장치 내 응용 프로그램의 경우 계산뿐만 아니라 통신도 상당량의 에너지와 시간을 차지합니다. 본 논문에서는 Shenjing이라는 재구성 가능한 SNN 아키텍처를 제안하며, 이는 모든 온칩 통신을 소프트웨어에 완전히 노출시켜 높은 정확도로 낮은 전력에서 SNN 모델 매핑이 가능하게 합니다. Shenjing과 달리 TrueNorth와 같은 이전의 SNN 아키텍처는 매핑을 위해 모델 수정 및 재학습이 필요합니다. 본 논문에서는 기존 인공신경망(ANN)인 다층 퍼셉트론, 컨볼루션 뉴럴 네트워크, 그리고 최신의 잔차 신경망까지 Shenjing에 성공적으로 매핑할 수 있다는 것을 보여줍니다. 이를 통해 ANN이 SNN의 에너지 효율성을 실현합니다. MNIST 추론 문제를 다층 퍼셉트론을 사용하여 96%의 정확도로 처리하고, 10개의 Shenjing 코어만으로 1.26mW의 전력을 소모했습니다.

paper AI 요약
아날로그 NVM 크로스바에 배포를 위한 DNN IoT 애플리케이션 훈련

아날로그 NVM 크로스바에 배포를 위한 DNN IoT 애플리케이션 훈련

에너지 효율성, 보안 및 프라이버시에 대한 추세는 최근 딥러닝 네트워크(DNNs)를 마이크로컨트롤러에 배포하는 데 초점을 맞추게 되었습니다. 그러나 계산 및 메모리 자원의 제약으로 인해 이러한 시스템에서 배포 가능한 ML 모델의 크기와 복잡성이 제한됩니다. 저항성 비휘발성 메모리(NVM) 기술을 기반으로 하는 컴퓨테이션-인-메모리(CIM) 아키텍처는 현대 DNN에 내재된 고성능 및 저전력 요구사항을 충족시키는 데 큰 희망을 제공합니다. 그러나 이러한 기술들은 여전히 미숙하고, 본질적인 아날로그 영역 노이즈 문제와 NVM 구조에서 음수 가중치를 표현할 수 없는 문제가 있습니다. 이로 인해 크로스바의 크기가 커지고, ADC와 DAC에 부정적 영향을 미칩니다. 본 논문에서는 이러한 과제들을 해결하기 위한 훈련 프레임워크를 제공하고 회로 수준에서 얻어진 효율성 증가를 정량적으로 평가합니다. 두 가지 기여를 제안합니다 첫째, 개별 DNN 계층의 튜닝을 필요로 하지 않는 훈련 알고리즘으로 각 계층의 가중치와 활성화에 일관성을 보장하여 아날로그 블록 재사용과 주변 하드웨어를 크게 줄입니다. 둘째, NAS 방법론을 사용하여 단극 가중치(모두 양수 또는 모두 음수) 행렬/서브행렬의 사용을 제안합니다. 가중치 단극성은 크로스바 영역을 두 배로 늘릴 필요를 없애고 아날로그 주변 장비를 간소화합니다. CIFAR10과 HAR 애플리케이션에 대한 검증 결과, 4비트 및 2비트 장치를 사용하여 크로스바로 매핑했을 때 95%의 부동소수점 정확도에서 2비트 양수 가중치만으로 92.91%의 정확도를 달성했습니다. 제안된 기법의 조합은 80%의 면적 개선과 최대 45%의 에너지 감소를 가져왔습니다.

paper AI 요약
신경세포를 이용한 디지털 논리 회로  분자 통신 분석

신경세포를 이용한 디지털 논리 회로 분자 통신 분석

생물학의 발전에 따라 여러 새로운 도구들이 지난 몇 년 동안 현재 의료 절차를 대체할 가능성이 있는 것으로 개념화되었습니다. 대부분의 이러한 응용 프로그램은 다양한 만성 질환에 적용됩니다. 본 연구는 합성적으로 설계된 신경세포가 어떻게 디지털 논리 게이트로서 작동할 수 있는지를 조사하고, 이를 통해 뇌를 위한 생물학적 컴퓨팅을 실현하는 방법을 탐구합니다. 우리는 높은 발화율 하에서 신경세포 네트워크 내의 논리 게이트 정확도를 측정하며, 얼마나 원치 않는 신경세포 발화를 완화시키는지 분석합니다. 본 방법의 효능을 검증하기 위해, 논리 게이트 구조로 연결된 뉴런의 계산 모델로 구성된 시뮬레이션을 수행했습니다. 이러한 시뮬레이션은 올바른 논리 연산을 수행하는 정확도를 보여주었으며, 발화율과 같은 특정 속성이 정확성에 중요하게 작용할 수 있음을 밝혔습니다. 분석의 일부로써, 평균 제곱 오차는 우리의 모델 품질을 측정하고 다양한 샘플링 주파수를 기반으로 게이트의 정확한 동작을 예측하는 데 사용되었습니다. 응용 사례로서 논리 게이트는 신경세포 네트워크에서 발작을 억제하는데 사용되었으며, 결과는 발화율 감소에 대한 효과성을 입증하였습니다. 우리의 제안된 시스템은 뇌의 다양한 신경학적 상태를 계산하는 잠재력을 가지고 있습니다.

paper AI 요약

< 분야별 논문 현황 (Total: 566) >

Quantum Physics
5

검색 시작

검색어를 입력하세요

↑↓
ESC
⌘K 단축키