جستجو
بررسی فناوریهای نوین محاسبات نورومورفیک و مدارهای کممصرف برای توسعه سامانههای الکترونیکی هوشمند
آرش عزیزپور1 محمدحسین زارعی2 آرمین شکرگفتار3
چکیده :
رشد بیوقفه حجم کار هوش مصنوعی (AI) در لبه شبکه، محدودیتهای اساسی محاسبات مرسوم فون نویمان، بهویژه هزینه انرژی و تأخیر ناشی از جابجایی مداوم دادهها بین واحدهای پردازش و حافظه که از نظر فیزیکی از هم جدا هستند را آشکار کرده است. محاسبات نورومورفیک، یک الگوی میانرشتهای که از ساختار و پویایی مغز بیولوژیکی الهام گرفته شده است، با قرار دادن همزمان حافظه و محاسبات، برقراری ارتباط از طریق افزایش ولتاژ یا جریان پراکنده و ناهمزمان، و بهرهبرداری از عملیات مبتنی بر رویداد به جای عملیات مبتنی بر ساعت، این تنگنا را برطرف میکند. این مقاله مروری جامع بر پیشرفتهای اخیر در معماریهای محاسبات نورومورفیک و تکنیکهای مدار کممصرف ارائه میدهد که تحقق فیزیکی آنها را در سیستمهای الکترونیکی هوشمند مانند مانیتورهای سلامت پوشیدنی، حسگرهای خودکار و گرههای لبهای اینترنت اشیا (IoT) امکانپذیر میسازد. ما اصول عملیاتی شبکههای عصبی اسپایکی (SNN) و مدل نورونی نشتی یکپارچهسازی و شلیک (LIF) را شرح میدهیم، تراشههای نورومورفیک فوتونی نوظهور دیجیتال، آنالوگ، سیگنال مختلط، ممریستور و نوظهور (از جمله Intel Loihi 2، IBM TrueNorth و NorthPole، SpiNNaker2، BrainScaleS، شتابدهندههای کراسبار مبتنی بر ممریستور و پردازندههای اسپایکی فوتونی مبتنی بر Mach-Zehnder/VCSEL) را بررسی میکنیم و استراتژیهای کممصرف سطح مدار شامل عملکرد CMOS زیرآستانه و نزدیک آستانه، گیتینگ توان، مقیاسبندی پویای ولتاژ و فرکانس (DVFS) و محاسبات تقریبی را بررسی میکنیم. یک مدار نورون سیناپس کممصرف نمونه در سطح ترانزیستور با استفاده از روش طراحی و شبیهسازی استاندارد CMOS طراحی و تحلیل شده است و رفتار تأخیر انرژی آن با پیادهسازیهای دیجیتال مرسوم مقایسه شده است. جداول و نمودارهای مقایسهای، بهرهوری انرژی (TOPS/W)، توان استاتیک و دینامیک و انرژی به ازای هر عملیات سیناپسی را در پلتفرمهای مورد بررسی، کمی سازی میکنند. یافتهها تأیید میکنند که مدارهای نورومورفیک دیجیتال آنالوگ هیبریدی ساخته شده در فناوریهای ممریستور عمیق زیر میکرون و نوظهور میتوانند به بهبود یک تا سه برابری در بهرهوری انرژی نسبت به پلتفرمهای CPU/GPU معمولی برای وظایف استنتاج پراکنده و رویدادمحور دست یابند، ضمن اینکه چالشهای باز در تغییرپذیری دستگاه، یادگیری روی تراشه و بلوغ زنجیره ابزار نرمافزاری را برجسته میکنند. این مقاله با بحثی در مورد بده بستانهای عملی مربوط به استقرار سختافزار نورومورفیک در محصولات الکترونیکی هوشمند به پایان میرسد و مسیرهای امیدوارکنندهای را برای تحقیقات آینده، از جمله ادغام ترکیبی CMOS ممریستور و همگرایی ترکیبی الکترونیکی،فوتونی، ادغام حسگر نورومورفیک و روشهای استاندارد معیارگذاری مانند چارچوب NeuroBench که اخیرا معرفی شده است، ترسیم میکند.
کلمات کلیدی : رایانش نورومورفیک طراحی مدار کمتوان شبکههای عصبی اسپایکی آرایه کراسبار ممریستوری cmos زیرآستانه هوش مصنوعی لبه سیستمهای الکترونیکی هوشمند سختافزار با بهرهوری انرژی
زبان مقاله : فارسی
محور مقاله : فناوری های نوین در مهندسی برق، کامپیوتر و هوش مصنوعی
محل انتشار : هشتمین کنگره ملی توسعه علوم و فناوری های نوین ایران
آدرس وب سایت کنفرانس : https://www.thcongress.ir/fa/
کد IOI مقاله : ACFK-ACZKBK
لینک مستقیم مقاله : https://isnac.ir/ACFK-ACZKBK
سایر مقالات ارائه دهنده
- Investigation and analysis of the performance of solar cells based on nanostructures
- An overview of the role of artificial intelligence in optimizing business models in the electricity and smart energy industries
- Architectural Design and Analysis of an Autonomous Robot Based on Edge AI, Computer Vision, and Reinforcement Learning for Intelligent Navigation in Smart Environments
- Design and Analysis of Combined Power Amplifiers (Combined PAs) Using Nonlinear Structures: From Circuit Implementation to Spectral-Energy Efficiency Evaluation in Hybrid-Beamforming MIMO Systems
- طراحی و پیادهسازی یک سیستم کنترل هوشمند مبتنی بر الکترونیک قدرت برای بهبود بهرهوری انرژی در مبدلهای DC-DC با استفاده از الگوریتمهای یادگیری ماشین
- بررسی فناوریهای نوین محاسبات نورومورفیک و مدارهای کممصرف برای توسعه سامانههای الکترونیکی هوشمند
- شبیهسازی و مقایسه عملکرد دو طرح پایانه در یک میکروخازن با صفحات موازی با استفاده از نرمافزار COMSOL Multiphysics
- طراحی بخش جلویی (Front-End) فرکانس رادیویی و موج میلی متری، شامل تقویت کننده کم نویز و مخلوط کننده یکپارچه، برای ارتباطات نسل ششم (6G)
- طراحی سخت افزار اثر انگشت فیزیکی مبتنی بر تغییر پذیری فرآیند ساخت ترانزیستورها برای احراز هویت تراشه
- The Impact of Electro-Thermal Effects and Circuit Parasitic Parameters on the Switching Performance of Gallium Nitride (GaN)-Based HEMTs Under Varying Operating Conditions