Saltar al contenido ForoHackers

Computación neuromórfica: por dónde empezar

Computación neuromórfica
#730 · Ophuscado · · Denunciar

La computación neuromórfica se inspira en cómo calculan los cerebros: muchas unidades simples, memoria local, comunicación mediante pulsos breves y trabajo solo cuando ocurre algo. Busca un consumo muy bajo y una reacción rápida en tareas sensoriales, apartándose de la separación entre memoria y procesador de las computadoras convencionales.

Conceptos clave

  • Neuronas de pulsos: unidades que integran la entrada a lo largo del tiempo y emiten un pulso al cruzar un umbral.
  • Cómputo dirigido por eventos: hay actividad solo cuando hay pulsos, así que las partes ociosas gastan casi nada de energía.
  • Plasticidad sináptica: las intensidades de las conexiones cambian con la actividad, como en la plasticidad dependiente del tiempo de los pulsos.
  • Cómputo en memoria: guardar los pesos donde se usan, para que los datos no vayan y vengan.
  • Sensores de eventos: cámaras y micrófonos que dan los cambios en vez de fotogramas completos.

Vocabulario

  • Tren de pulsos: la sucesión de instantes en que dispara una neurona.
  • Integra y dispara con fugas: el modelo de neurona común más simple, una carga que se escapa y se reinicia tras disparar.
  • Cuello de botella de von Neumann: el coste de mover datos entre una memoria y un procesador separados.
  • Codificación por tasa y temporal: la información en la frecuencia con que disparan las neuronas, o en el instante exacto.

Qué estudiar, en orden

  1. Neurociencia básica de la neurona, la sinapsis y el potencial de acción.
  2. Simula una neurona de integra y dispara con fugas y dibuja su respuesta a distintas entradas.
  3. Construye una red pequeña de pulsos y entrénala con una regla de aprendizaje local.
  4. Compárala con una red neuronal convencional en energía y precisión para una tarea sencilla.
  5. Lee sobre la detección basada en eventos y en qué se distinguen los chips neuromórficos analógicos y digitales.

Etiquetas relacionadas

#computational-neuroscience #deep-learning #computer-architecture #analog #edge-computing

Inicia sesión o únete para responder.