曾益慧创IECUBE前实习生梁向鹏同学以第一作者的身份在《自然•通讯》(Nature Communications)发表了题为“Rotating neurons for all-analog implementation of cyclic reservoir computing”的研究论文并在论文结尾致谢北京曾益慧创科技有限公司。
“Rotating neurons for all-analog implementation of cyclic reservoir computing”在《自然•通讯》(Nature Communications)发表
清华大学集成电路学院唐建石副教授、吴华强教授和格拉斯哥大学Hadi Heidari副教授是本论文的共同通讯作者,清华大学集成电路学院访问博士生梁向鹏和博士后仲亚楠为共同第一作者在论文中,提出一种基于旋转神经元的新型储备池计算硬件架构,该架构在原理上与储备池算法等效,具有较强的可解释性,同时在非线性系统拟合任务上表现优于现有储备池计算系统;研究团队进一步搭建了集成忆阻器阵列输出层的储备池计算系统,硬件演示了实时混沌序列预测和手写字母识别,成功实现了端到端的全模拟计算和极低的系统功耗。
旋转神经元储备池计算系统实现混沌序列预测和手写字识别
该项实验结果表明,eRNR通过引入旋转神经元的概念实现了简洁高效的储备池计算架构,与其它储备池系统相比,旋转神经元储备池计算系统节约了大量的外围辅助模块和模块间的接口,因此降低了整个系统搭建的成本和功耗开销,更接近于实际应用中的需求。该项工作的相关研究成果以“Rotating neurons for all-analog implementation of cyclic reservoir computing”为题在《自然•通讯》(Nature Communications)上发表,审稿人给予了高度评价该研究成果,认为它“有对类脑计算领域产生重要影响的潜力”和“代表了储备池计算的通往实际应用中过程中的一个有趣和令人兴奋的进展”。
部分论文截图
完整版论文可复制链接至浏览器阅读。
(https://www.nature.com/articles/s41467-022-29260-1)
该项实验在测试阶段,使用了NI设备。一起来看看NI设备在测试阶段是如何精准测量的。
曾益慧创基于NI技术研发了IECUBE-3100集成电路测试实训平台,该源于集成电路行业实际工业应用场景,针对集成电路测试技能培养而开发的实训平台,可以完成典型集成电路的测试实训,包括ADC、DAC、PA、数字逻辑IC以及晶体管等。考虑到教学需求多样性和独特性,IECUBE-3100集成电路测试实训平台提供了完善的教学支持资源,提升教师备课效率。
特别感谢梁向鹏同学为本条推文提供素材支持。