INTRODUCTION

本專題研究的目的在於,利用現有文獻的架構[1],加上實驗室設計的新元件,將雜訊放大並加入電路中,使此仿神經cell在頻域上有Poisson distribution的表現,進而在整個系統中,擁有隨機性的優勢,雜訊對於神經有幾項優勢,(1)誘發隨機行為增進神經之間的差異,使神經的表現分化於不同作用[2],(2)對於感官系統,可利用隨機共振的原理,增進敏感度,[3-6](3)誘發神經間的協同共振[7-11](4)在腦進行評估時,可以直接將前級感官神經系統的訊號做相加,推出環境刺激為何。[12-13]

模仿人類大腦是科學家尋求更好的計算方法或是電腦架構的方向,傳統馮•諾依曼體系的架構的電腦對於新世代機器學習演算法並不是很有效,速度不夠快、耗能太高是他的缺點,相較於傳統架構,人的大腦雖然單一個神經速度不夠快,但是因為有一個數量級巨大的網路,所以可以快速而精準的處理訊息,同時在大腦不用的時候,神經元會關閉,就可以減少耗能。

Google對於這種此種大型神經網路架構做過擬真,使用傳統的電腦集群雖然能一定程度的模擬,但是耗能極大。

因為當前架構的限制,所以催生了這樣的仿神經晶片的發展,此項專題計畫,是嘗試將雜訊帶入體架構,使其表現隨機的現象,這是本專題計畫較為創新的部分。


Fig. 1


Fig. 2


Fig. 3


Fig. 4


Fig. 5

心得感想

一路以來非常感謝學長與老師的幫助,如果沒有學長給與我的意見與指導是絕對做不出來的,也感謝老師給予我機會可以將設計送去CIC做成真的chip。